Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

LoS_RVC	0.45 11	0.29 61	0.48 10	0.49 34	0.83 337	0.51 43	0.43 107	0.65 2	0.44 1	0.47 11	0.78 41	0.44 7	0.60 99	0.59 11	0.37 25	0.14 1	0.12 5	0.14 1	0.10 1	0.14 1	1.08 375

LoS	0.41 4	0.23 6	0.46 8	0.39 2	0.23 5	0.48 23	0.40 79	1.12 72	0.94 88	0.50 19	0.66 21	0.49 28	0.42 19	0.63 23	0.39 31	0.19 65	0.14 58	0.16 8	0.11 6	0.14 1	0.15 3

CREStereo	0.40 3	0.24 9	0.40 2	0.37 1	0.22 4	0.52 47	0.29 21	0.81 6	1.15 171	0.59 31	0.72 33	0.51 32	0.42 19	0.57 8	0.37 25	0.19 65	0.13 17	0.15 3	0.10 1	0.14 1	0.15 3
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
DCANet-4	0.59 81	0.28 43	1.65 287	0.44 7	0.25 8	0.48 23	0.36 55	1.15 89	1.36 258	1.13 126	1.03 97	0.56 40	0.74 134	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

fff	0.58 70	0.26 19	1.15 212	0.46 14	0.25 8	0.48 23	0.36 55	1.20 103	1.28 225	1.13 126	1.03 97	0.59 45	1.04 255	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

AnonymousM	0.63 101	1.14 364	0.43 5	0.46 14	0.32 97	0.43 13	0.46 138	1.27 121	0.78 42	1.00 90	0.66 21	0.68 65	0.45 28	0.61 14	0.46 76	0.21 120	0.16 139	1.84 387	0.98 384	0.15 4	0.15 3

raftrobust	0.55 36	0.27 35	0.63 32	0.68 252	0.69 302	0.50 38	0.34 40	1.08 55	0.97 100	1.32 223	0.88 60	0.62 52	0.80 160	0.82 50	0.44 61	0.20 99	0.16 139	0.16 8	0.14 22	0.15 4	0.18 32

csc	0.58 70	0.26 19	1.15 212	0.46 14	0.25 8	0.48 23	0.36 55	1.20 103	1.28 225	1.13 126	1.03 97	0.59 45	1.04 255	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

cscssc	0.58 70	0.26 19	1.15 212	0.46 14	0.25 8	0.48 23	0.36 55	1.20 103	1.28 225	1.13 126	1.03 97	0.59 45	1.04 255	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

PMTNet	0.47 22	0.22 3	0.43 5	0.39 2	0.24 6	0.71 136	0.26 10	0.78 5	1.03 123	0.65 38	0.69 27	0.55 38	0.48 43	0.90 68	0.36 16	0.99 375	0.13 17	0.15 3	0.10 1	0.15 4	0.15 3

MSKI-zero shot	0.56 47	0.30 79	0.61 28	0.55 110	0.28 40	0.68 123	0.28 17	1.25 116	0.68 23	0.92 77	1.33 204	0.81 97	0.33 10	1.94 227	0.36 16	0.18 40	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

Any-RAFT	0.55 36	0.27 35	0.49 11	0.50 46	0.27 19	0.98 226	0.25 4	1.71 203	1.08 137	0.90 75	0.99 82	1.13 207	0.46 35	0.74 34	0.35 6	0.19 65	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

RAFT-Test	0.58 70	0.27 35	0.81 98	0.50 46	0.33 110	0.95 219	0.27 14	1.40 138	0.89 66	1.00 90	1.12 129	1.39 263	0.48 43	0.74 34	0.41 49	0.17 18	0.14 58	0.17 13	0.14 22	0.16 11	0.18 32

Selective-IGEV	0.42 8	0.26 19	0.56 16	0.48 29	0.27 19	0.45 16	0.33 33	1.56 167	0.61 15	0.36 1	0.47 4	0.52 35	0.30 4	1.08 99	0.33 3	0.15 4	0.13 17	0.17 13	0.13 11	0.16 11	0.15 3

MC-Stereo	0.46 19	0.24 9	0.58 18	0.63 200	0.30 63	0.38 7	0.32 29	0.98 30	0.74 36	0.66 39	0.85 54	0.56 40	0.60 99	1.07 97	0.32 2	0.17 18	0.12 5	0.17 13	0.15 30	0.16 11	0.16 13

RCA-Stereo	0.52 33	0.26 19	0.66 44	0.49 34	0.33 110	0.54 60	0.44 124	1.20 103	1.41 279	0.69 42	1.06 106	0.63 56	0.79 154	0.62 18	0.35 6	0.17 18	0.12 5	0.17 13	0.14 22	0.16 11	0.16 13

RAFT-RH_RVC	1.04 261	0.26 19	0.76 79	0.53 89	0.29 51	0.80 166	0.32 29	0.85 14	1.12 156	2.04 348	4.63 385	1.03 178	0.57 77	5.93 354	0.52 108	0.20 99	0.13 17	0.26 224	0.20 128	0.16 11	0.19 51

CFNet-RSSM	0.57 59	0.25 16	0.76 79	0.49 34	0.28 40	0.59 79	0.27 14	1.89 245	1.17 180	1.09 112	0.95 69	1.06 183	0.53 61	0.74 34	0.41 49	0.17 18	0.13 17	0.17 13	0.15 30	0.16 11	0.16 13

Gwc-CoAtRS	0.55 36	0.27 35	0.73 67	0.49 34	0.30 63	0.63 97	0.25 4	1.38 136	1.12 156	1.05 105	1.02 90	1.10 198	0.55 70	0.72 32	0.44 61	0.17 18	0.14 58	0.17 13	0.15 30	0.16 11	0.17 23

IGEVStereo-DCA	0.49 25	0.33 135	0.64 37	0.46 14	0.34 122	0.50 38	0.42 91	0.93 20	0.59 7	0.48 13	0.48 5	0.48 24	0.45 28	2.28 263	0.44 61	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.21 87

rrr	0.57 59	0.33 135	2.43 331	0.46 14	0.34 122	0.50 38	0.38 68	0.84 13	0.55 4	0.48 13	0.48 5	0.48 24	0.45 28	2.28 263	0.44 61	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

MIM_Stereo	0.60 87	0.26 19	1.02 182	0.49 34	0.32 97	0.52 47	0.28 17	1.41 142	0.82 53	1.02 97	1.16 150	0.93 144	0.53 61	1.48 159	0.63 158	0.17 18	0.17 161	0.20 70	0.19 102	0.17 20	0.18 32

AEACV	0.41 4	0.25 16	0.60 24	0.55 110	0.52 237	0.43 13	0.38 68	0.98 30	0.63 17	0.44 5	0.56 18	0.46 15	0.59 95	0.56 6	0.31 1	0.17 18	0.13 17	0.18 33	0.16 54	0.17 20	0.17 23

CAS	0.66 110	0.19 1	0.41 4	2.31 389	0.86 342	0.56 67	0.53 179	0.83 10	0.63 17	0.49 16	0.70 31	0.36 2	0.26 1	0.47 2	0.37 25	2.33 390	0.10 1	0.14 1	0.10 1	0.17 20	1.31 380

EGLCR-Stereo	0.41 4	0.24 9	0.59 22	0.45 8	0.27 19	0.54 60	0.22 2	1.23 113	0.56 6	0.44 5	0.43 2	0.68 65	0.29 3	0.89 65	0.34 4	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.18 32

test-3	0.56 47	0.24 9	0.82 107	0.50 46	0.29 51	0.57 69	0.34 40	1.09 62	1.03 123	1.33 228	0.69 27	0.87 120	0.45 28	1.68 191	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

test_1	0.56 47	0.24 9	0.82 107	0.50 46	0.29 51	0.57 69	0.34 40	1.09 62	1.03 123	1.28 208	0.69 27	0.87 120	0.45 28	1.67 189	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

RAFT-345	0.86 213	0.26 19	0.73 67	0.53 89	0.28 40	0.53 51	0.41 87	0.85 14	1.31 242	1.33 228	2.32 349	0.85 118	0.53 61	5.69 348	0.48 88	0.19 65	0.14 58	0.22 120	0.17 70	0.17 20	0.17 23

TANstereo	0.45 11	0.23 6	0.50 13	0.43 5	0.21 2	0.65 109	0.26 10	0.83 10	0.88 65	0.95 83	0.99 82	0.51 32	0.45 28	0.56 6	0.36 16	0.19 65	0.24 261	0.16 8	0.13 11	0.17 20	0.27 193

XX-TBD	0.47 22	0.71 327	0.39 1	0.81 315	0.25 8	0.57 69	0.26 10	0.73 3	1.30 235	0.78 52	1.01 88	0.45 14	0.33 10	0.49 3	0.39 31	0.20 99	0.15 112	0.15 3	0.11 6	0.17 20	0.15 3

test_xeample3	0.57 59	0.33 135	3.11 348	0.46 14	0.34 122	0.55 64	0.38 68	0.86 17	0.49 2	0.54 29	0.46 3	0.44 7	0.44 26	1.49 165	0.45 72	0.18 40	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

ARAFT	0.82 193	0.40 230	1.77 292	0.53 89	0.31 77	0.89 196	0.81 276	2.32 327	1.08 137	1.66 316	1.25 175	1.04 179	0.64 112	1.91 224	0.52 108	0.20 99	0.15 112	0.28 245	0.27 258	0.17 20	0.18 32

EAI-Stereo	0.76 163	0.31 104	0.74 72	0.55 110	0.28 40	0.70 134	1.72 366	2.57 359	0.90 70	0.75 50	3.03 367	0.57 42	0.43 22	1.10 105	0.49 97	0.19 65	0.14 58	0.17 13	0.18 84	0.17 20	0.21 87

ff7	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

ffff	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

11t	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

anonymousdsp	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 91	0.97 26	0.60 12	0.51 26	0.53 9	0.46 15	0.47 41	1.36 134	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

DCRE	0.85 211	0.28 43	0.76 79	0.60 169	0.49 221	0.59 79	0.53 179	1.04 45	0.92 76	0.80 55	7.34 398	0.87 120	0.57 77	0.78 47	0.43 57	0.16 7	0.17 161	0.19 47	0.17 70	0.18 34	0.22 108

ProNet	0.46 19	0.30 79	0.69 53	0.46 14	0.32 97	0.57 69	0.52 173	1.15 89	0.67 22	0.44 5	0.50 8	0.44 7	0.43 22	1.31 127	0.38 28	0.16 7	0.15 112	0.19 47	0.16 54	0.18 34	0.18 32

ccc-4	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

IGEV-Stereo	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 91	0.98 30	0.60 12	0.51 26	0.53 9	0.46 15	0.47 41	1.36 134	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
IPLG	0.72 149	0.29 61	1.12 206	0.53 89	0.44 197	0.79 165	0.33 33	1.35 131	1.10 147	1.32 223	1.11 126	0.52 35	0.54 68	3.13 297	0.71 181	0.17 18	0.14 58	0.20 70	0.17 70	0.18 34	0.21 87

MIPNet	0.60 87	0.31 104	1.07 195	0.51 57	0.34 122	0.68 123	0.40 79	1.67 189	1.14 167	1.11 115	0.93 66	0.60 48	0.78 149	0.77 40	0.58 142	0.18 40	0.14 58	0.19 47	0.16 54	0.18 34	0.21 87

CrosDoStereo	1.56 326	0.26 19	0.78 88	0.51 57	0.29 51	0.66 115	11.86 408	1.18 95	1.00 114	1.35 239	1.76 303	0.99 165	1.83 350	6.64 369	0.83 206	0.19 65	0.15 112	0.20 70	0.22 186	0.18 34	0.25 160

TRStereo	0.67 118	0.71 327	1.06 191	0.77 307	0.68 299	0.53 51	0.38 68	2.52 356	0.96 96	0.81 59	0.84 52	0.87 120	0.39 15	1.16 114	0.46 76	0.24 187	0.17 161	0.23 146	0.24 225	0.18 34	0.20 70

STrans-v2	1.06 265	0.31 104	1.02 182	0.52 69	0.33 110	0.67 120	0.78 264	2.66 366	1.26 217	1.15 141	1.46 241	1.37 261	1.40 315	6.68 371	0.46 76	0.19 65	0.13 17	0.21 93	0.18 84	0.18 34	0.21 87

TransformOpticalFlow	0.97 246	0.30 79	0.96 169	0.54 100	0.31 77	0.65 109	0.54 188	1.87 238	1.19 185	1.12 123	1.44 236	1.34 255	0.98 230	6.68 371	0.44 61	0.19 65	0.12 5	0.21 93	0.19 102	0.18 34	0.23 122

DeepStereo_LL	1.56 326	0.26 19	0.78 88	0.51 57	0.29 51	0.66 115	11.86 408	1.18 95	1.00 114	1.35 239	1.76 303	0.99 165	1.83 350	6.64 369	0.83 206	0.19 65	0.15 112	0.20 70	0.22 186	0.18 34	0.25 160

DEmStereo	0.98 249	0.25 16	0.85 130	0.49 34	0.33 110	1.02 231	0.55 195	0.97 26	0.93 83	1.41 260	2.13 340	1.01 173	2.01 357	5.62 347	0.78 193	0.19 65	0.15 112	0.20 70	0.20 128	0.18 34	0.25 160

DRaft	0.81 191	0.26 19	0.77 82	0.47 24	0.31 77	0.95 219	0.52 173	1.13 76	0.99 110	1.78 328	2.01 333	0.80 91	1.71 342	2.64 281	0.74 184	0.19 65	0.14 58	0.20 70	0.20 128	0.18 34	0.24 141

GrayStereo	0.83 202	0.28 43	0.62 31	0.66 230	0.37 144	0.76 151	1.79 370	1.19 99	0.91 71	1.98 345	1.89 322	1.07 186	1.76 346	1.43 150	0.50 100	0.20 99	0.15 112	0.19 47	0.21 164	0.18 34	0.41 289

CREStereo++_RVC	0.49 25	0.22 3	0.46 8	0.48 29	0.38 154	0.45 16	0.25 4	0.77 4	1.30 235	0.82 61	1.23 169	0.47 20	0.37 13	0.55 5	0.44 61	0.16 7	0.11 2	0.16 8	0.80 377	0.18 34	0.12 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
raft+_RVC	0.56 47	0.29 61	0.61 28	0.65 217	0.56 257	0.53 51	0.53 179	1.40 138	1.02 120	0.78 52	1.04 101	0.70 72	0.55 70	1.00 82	0.49 97	0.18 40	0.16 139	0.19 47	0.19 102	0.18 34	0.17 23

111	0.66 110	0.27 35	1.15 212	0.46 14	0.25 8	0.72 139	0.42 91	1.57 170	1.44 290	0.83 62	1.39 223	1.10 198	0.80 160	0.97 79	0.65 165	0.20 99	0.14 58	0.18 33	0.15 30	0.18 34	0.28 204

RAFT-Stereo + iAFF	0.56 47	0.28 43	0.81 98	0.45 8	0.25 8	0.40 9	0.34 40	1.12 72	1.13 161	1.35 239	1.58 276	0.80 91	0.67 122	0.71 30	0.43 57	0.14 1	0.11 2	0.18 33	0.17 70	0.18 34	0.16 13

AFF-stereo	0.60 87	0.28 43	0.72 57	0.48 29	0.29 51	0.34 4	0.37 61	1.22 109	1.20 189	1.21 175	1.59 280	1.10 198	0.70 130	1.01 84	0.44 61	0.14 1	0.12 5	0.19 47	0.20 128	0.18 34	0.15 3

R-Stereo Train	0.60 87	0.30 79	0.72 57	0.57 140	0.37 144	0.68 123	0.52 173	1.45 147	0.78 42	1.61 309	1.50 253	0.76 82	0.53 61	0.67 27	0.51 102	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51

RAFT-Stereo	0.60 87	0.30 79	0.72 57	0.57 140	0.37 144	0.68 123	0.52 173	1.45 147	0.78 42	1.61 309	1.50 253	0.76 82	0.53 61	0.67 27	0.51 102	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
tta	0.79 178	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.99 240	0.24 187	0.22 231	0.22 120	0.21 164	0.19 59	0.22 108

qqq1	0.76 163	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.48 88	0.24 187	0.22 231	0.18 33	0.15 30	0.19 59	0.22 108

fff1	0.76 163	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.48 88	0.24 187	0.22 231	0.18 33	0.15 30	0.19 59	0.22 108

AE-Stereo	0.58 70	0.29 61	0.81 98	0.62 190	0.41 180	0.69 131	0.46 138	2.49 352	1.25 211	0.49 16	0.77 39	0.69 69	0.46 35	0.61 14	0.42 54	0.17 18	0.16 139	0.21 93	0.20 128	0.19 59	0.18 32

cc1	0.68 127	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.07 50	3.23 382	0.60 34	0.80 46	0.47 20	0.87 188	1.48 159	0.35 6	0.21 120	0.13 17	0.25 203	0.15 30	0.19 59	0.23 122

StereoIM	0.38 1	0.27 35	0.72 57	0.45 8	0.35 137	0.30 3	0.31 25	0.81 6	0.54 3	0.38 2	0.38 1	0.58 43	0.49 53	0.53 4	0.39 31	0.20 99	0.16 139	0.19 47	0.15 30	0.19 59	0.15 3

MIF-Stereo	0.38 1	0.24 9	0.67 47	0.49 34	0.36 139	0.40 9	0.32 29	0.55 1	0.55 4	0.55 30	0.55 17	0.36 2	0.31 6	0.59 11	0.52 108	0.21 120	0.15 112	0.17 13	0.15 30	0.19 59	0.17 23

HH	0.68 127	0.33 135	0.83 115	0.53 89	0.34 122	0.92 208	0.45 132	1.79 217	0.74 36	0.71 43	1.13 139	1.60 296	0.83 168	1.95 230	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

HanStereo	0.68 127	0.33 135	0.83 115	0.53 89	0.34 122	0.92 208	0.45 132	1.79 217	0.74 36	0.71 43	1.13 139	1.60 296	0.83 168	1.95 230	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

4D-IteraStereo	0.50 29	0.26 19	0.84 124	0.51 57	0.49 221	0.64 105	0.31 25	0.91 19	1.02 120	1.05 105	0.72 33	0.76 82	0.32 9	0.69 29	0.40 44	0.18 40	0.11 2	0.23 146	0.20 128	0.19 59	0.16 13

CES	0.51 31	0.21 2	0.40 2	0.42 4	1.40 378	0.53 51	0.34 40	1.04 45	0.68 23	0.45 9	0.67 23	0.35 1	0.28 2	0.58 10	0.35 6	0.16 7	0.13 17	0.15 3	0.10 1	0.19 59	1.69 385

Selective-RAFT	0.55 36	0.29 61	0.85 130	0.58 150	0.28 40	0.91 201	0.34 40	1.00 36	0.96 96	0.59 31	0.64 20	0.80 91	0.76 140	1.34 132	0.51 102	0.21 120	0.15 112	0.17 13	0.15 30	0.19 59	0.19 51

ADStereo(finetuned)	0.62 92	0.26 19	1.59 284	0.45 8	0.25 8	0.49 28	0.36 55	1.18 95	1.35 251	1.16 145	1.04 101	0.60 48	1.18 287	0.85 59	0.57 137	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.24 141

CIPLG	0.67 118	0.37 204	1.17 226	0.60 169	0.51 234	0.75 146	0.48 151	1.26 117	1.11 151	1.43 268	1.58 276	0.64 58	0.48 43	0.94 71	0.78 193	0.24 187	0.15 112	0.19 47	0.16 54	0.19 59	0.29 216

IPLGR_C	0.67 118	0.38 221	1.20 232	0.60 169	0.50 225	0.75 146	0.48 151	1.28 125	1.13 161	1.42 264	1.57 275	0.62 52	0.48 43	0.85 59	0.80 202	0.24 187	0.15 112	0.19 47	0.16 54	0.19 59	0.29 216

ACRE	0.66 110	0.37 204	1.27 246	0.60 169	0.50 225	0.74 144	0.47 147	1.26 117	1.10 147	1.40 258	1.56 271	0.62 52	0.46 35	0.88 63	0.78 193	0.24 187	0.15 112	0.19 47	0.16 54	0.19 59	0.29 216

FTStereo	0.92 235	0.28 43	0.61 28	0.57 140	0.34 122	0.65 109	1.80 373	1.09 62	0.84 58	1.75 323	4.13 380	1.04 179	1.62 331	1.59 177	0.48 88	0.21 120	0.17 161	0.23 146	0.22 186	0.19 59	0.58 338

THIR-Stereo	1.02 258	0.29 61	0.73 67	0.51 57	0.29 51	0.94 213	1.31 345	1.08 55	0.98 103	1.35 239	1.91 326	1.16 212	1.54 327	6.37 366	0.79 197	0.20 99	0.14 58	0.21 93	0.22 186	0.19 59	0.25 160

cross-raft	0.56 47	0.26 19	0.65 42	0.55 110	0.31 77	0.66 115	0.37 61	1.68 190	0.82 53	1.06 109	1.07 108	1.25 230	0.45 28	0.74 34	0.39 31	0.15 4	0.13 17	0.19 47	0.16 54	0.19 59	0.17 23

s12784h	0.55 36	0.22 3	0.49 11	0.43 5	0.19 1	1.00 228	0.34 40	1.40 138	1.30 235	0.84 65	0.93 66	0.63 56	0.52 59	1.48 159	0.47 84	0.15 4	0.12 5	0.17 13	0.11 6	0.19 59	0.13 2

XX-Stereo	0.97 246	0.28 43	8.28 383	0.85 329	0.70 308	0.44 15	0.22 2	1.07 50	0.69 25	0.66 39	1.56 271	1.38 262	0.38 14	1.36 134	0.38 28	0.21 120	0.14 58	0.20 70	0.19 102	0.19 59	0.16 13

DCANet	0.58 70	0.26 19	1.15 212	0.45 8	0.25 8	0.49 28	0.36 55	1.18 95	1.35 251	1.15 141	1.04 101	0.60 48	0.91 202	0.84 56	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.25 160

cf-r	0.79 178	0.32 118	1.06 191	0.57 140	0.64 285	0.78 161	0.51 165	2.04 276	1.22 201	1.20 169	1.27 184	1.53 287	0.91 202	1.47 157	0.94 233	0.25 207	0.19 198	0.22 120	0.23 213	0.19 59	0.21 87

DIP-Stereo	0.64 104	0.32 118	0.91 150	0.49 34	0.36 139	0.91 201	0.33 33	2.51 355	0.77 41	1.25 188	1.00 86	0.68 65	0.51 55	0.92 70	0.65 165	0.19 65	0.15 112	0.21 93	0.17 70	0.19 59	0.22 108
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
RASNet	1.16 281	0.34 162	1.11 203	0.73 286	0.86 342	1.00 228	0.60 223	1.56 167	1.43 288	1.07 110	1.37 217	2.08 347	1.44 320	7.00 376	1.56 306	0.20 99	0.17 161	0.17 13	0.19 102	0.19 59	0.19 51

MLCV	0.77 168	0.39 225	1.31 251	0.55 110	0.25 8	0.91 201	0.39 77	1.48 154	1.28 225	1.49 287	1.54 263	1.02 175	0.68 125	2.12 251	0.93 228	0.19 65	0.13 17	0.19 47	0.14 22	0.19 59	0.22 108

iResNet_ROB	0.82 193	0.36 188	1.13 207	0.60 169	0.37 144	0.91 201	0.38 68	2.41 338	1.61 324	1.35 239	1.35 212	1.25 230	0.97 227	1.75 200	0.88 214	0.21 120	0.14 58	0.17 13	0.12 9	0.19 59	0.30 229

DualNet	1.46 317	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	1.08 55	2.62 370	1.19 163	1.49 246	1.07 186	0.85 175	1.57 171	13.82 401	0.21 120	0.13 17	0.31 266	0.28 267	0.20 86	0.23 122

ffm	0.79 178	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	1.08 55	2.62 370	1.19 163	1.49 246	1.07 186	0.85 175	1.57 171	0.35 6	0.21 120	0.13 17	0.31 266	0.28 267	0.20 86	0.23 122

ff1	1.88 347	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	1.08 55	2.62 370	1.19 163	1.49 246	1.07 186	0.85 175	9.88 405	13.82 401	0.21 120	0.13 17	0.31 266	0.28 267	0.20 86	0.23 122

tt1	0.65 108	0.34 162	0.65 42	0.60 169	0.27 19	1.14 251	0.48 151	1.08 55	2.62 370	0.59 31	0.79 43	0.49 28	0.80 160	1.57 171	0.35 6	0.21 120	0.13 17	0.25 203	0.16 54	0.20 86	0.23 122

IGEV_Zeroshot_test	0.59 81	0.33 135	1.11 203	0.63 200	0.37 144	0.41 12	0.33 33	1.80 221	0.79 48	1.04 103	1.10 119	1.06 183	0.43 22	0.87 61	0.48 88	0.18 40	0.13 17	0.19 47	0.18 84	0.20 86	0.23 122

EKT-Stereo	0.56 47	0.33 135	0.84 124	0.61 182	0.64 285	0.51 43	0.48 151	1.14 78	0.95 92	0.74 48	0.89 62	0.77 86	0.42 19	1.18 118	0.42 54	0.23 169	0.17 161	0.21 93	0.18 84	0.20 86	0.26 177

anonymousdsp2	0.58 70	0.29 61	0.93 153	0.51 57	0.30 63	0.75 146	0.46 138	1.95 258	0.87 64	0.81 59	0.78 41	0.76 82	0.48 43	1.10 105	0.45 72	0.19 65	0.14 58	0.18 33	0.13 11	0.20 86	0.22 108

anonymousa	0.78 170	0.30 79	0.85 130	0.51 57	0.96 355	1.41 295	0.47 147	1.61 181	0.94 88	1.33 228	1.77 305	1.66 304	1.11 271	0.72 32	0.63 158	0.19 65	0.18 184	0.23 146	0.25 233	0.20 86	0.22 108

DisPM	0.68 127	0.30 79	0.85 130	0.66 230	0.35 137	0.60 83	0.44 124	1.10 68	1.10 147	1.56 300	1.10 119	0.80 91	0.58 92	2.37 271	0.46 76	0.25 207	0.14 58	0.23 146	0.21 164	0.20 86	0.26 177

IER	0.74 155	0.33 135	1.25 243	0.50 46	0.53 242	1.32 279	0.55 195	1.31 128	1.08 137	1.30 215	1.34 207	1.11 203	1.10 269	1.05 91	0.81 204	0.20 99	0.17 161	0.21 93	0.21 164	0.20 86	0.21 87

RAFT_CTSACE	0.66 110	0.29 61	1.14 210	0.57 140	0.51 234	0.68 123	0.44 124	0.88 18	0.98 103	1.03 101	1.83 314	1.23 225	0.67 122	1.48 159	0.38 28	0.16 7	0.16 139	0.21 93	0.20 128	0.20 86	0.17 23

test_4	0.55 36	0.23 6	0.67 47	0.56 122	0.32 97	0.71 136	0.39 77	0.83 10	0.72 28	0.93 80	1.87 321	0.70 72	0.41 16	1.21 121	0.39 31	0.16 7	0.13 17	0.21 93	0.23 213	0.20 86	0.18 32

iRaft-Stereo_20w	0.71 144	0.33 135	1.25 243	0.50 46	0.36 139	0.82 174	0.31 25	3.16 379	0.89 66	1.24 185	1.14 144	0.79 89	0.65 116	1.15 112	0.43 57	0.18 40	0.13 17	0.18 33	0.17 70	0.20 86	0.23 122

GMOStereo	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 271	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

error version	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 271	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

test-v	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 271	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

HHNet	0.64 104	0.28 43	0.69 53	0.45 8	0.46 207	0.50 38	0.57 204	1.13 76	1.03 123	1.26 198	2.21 344	0.70 72	0.59 95	1.10 105	0.51 102	0.21 120	0.13 17	0.23 146	0.19 102	0.20 86	0.31 238

IIG-Stereo	0.97 246	0.34 162	0.80 97	0.90 344	0.33 110	0.61 87	0.26 10	1.27 121	1.08 137	1.69 319	1.37 217	1.44 270	0.74 134	6.94 375	0.53 117	0.21 120	0.14 58	0.23 146	0.18 84	0.20 86	0.15 3

NF-Stereo	0.82 193	0.33 135	0.83 115	0.65 217	0.31 77	0.63 97	0.43 107	1.35 131	0.93 83	1.30 215	1.02 90	0.81 97	0.57 77	5.37 344	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.30 229

OCTAStereo	0.82 193	0.33 135	0.83 115	0.65 217	0.31 77	0.62 89	0.44 124	1.35 131	0.93 83	1.30 215	1.02 90	0.81 97	0.57 77	5.32 339	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.30 229

PSM-softLoss	0.80 183	0.33 135	0.89 142	0.63 200	0.32 97	0.55 64	0.40 79	1.26 117	0.78 42	1.25 188	1.07 108	0.83 111	0.51 55	5.33 340	0.61 153	0.25 207	0.15 112	0.25 203	0.22 186	0.20 86	0.26 177

KMStereo	0.80 183	0.33 135	0.89 142	0.63 200	0.32 97	0.55 64	0.40 79	1.26 117	0.78 42	1.25 188	1.07 108	0.83 111	0.51 55	5.33 340	0.61 153	0.25 207	0.15 112	0.25 203	0.22 186	0.20 86	0.26 177

ASMatch	0.89 220	0.29 61	0.72 57	0.56 122	0.36 139	0.47 18	0.37 61	1.16 92	0.95 92	1.11 115	3.26 370	0.95 152	0.96 220	4.88 333	0.53 117	0.20 99	0.16 139	0.22 120	0.19 102	0.20 86	0.30 229

PFNet	0.92 235	0.28 43	1.20 232	0.68 252	0.32 97	0.62 89	0.55 195	1.27 121	1.01 117	1.47 280	1.09 117	0.97 159	0.68 125	6.58 368	0.59 148	0.21 120	0.13 17	0.24 167	0.19 102	0.20 86	0.20 70

RE-Stereo	0.82 193	0.33 135	0.84 124	0.65 217	0.31 77	0.63 97	0.44 124	1.35 131	0.93 83	1.30 215	1.02 90	0.80 91	0.57 77	5.34 342	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.31 238

TVStereo	0.82 193	0.33 135	0.84 124	0.65 217	0.31 77	0.63 97	0.44 124	1.35 131	0.93 83	1.30 215	1.02 90	0.80 91	0.57 77	5.34 342	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.31 238

IRAFT_RVC	0.90 227	0.30 79	0.89 142	0.67 243	0.31 77	0.64 105	1.00 314	1.40 138	0.97 100	1.23 181	1.04 101	1.00 169	0.96 220	5.77 351	0.57 137	0.24 187	0.13 17	0.25 203	0.21 164	0.20 86	0.21 87

CroCo-Stereo	0.42 8	0.33 135	0.83 115	0.59 162	0.28 40	0.26 1	0.33 33	1.22 109	0.85 61	0.43 4	0.49 7	0.65 59	0.46 35	0.40 1	0.36 16	0.19 65	0.15 112	0.16 8	0.14 22	0.20 86	0.17 23
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
test-2	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 271	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

test-1	0.56 47	0.28 43	1.13 207	0.58 150	0.34 122	0.60 83	0.38 68	1.56 167	0.98 103	0.80 55	1.02 90	0.83 111	0.52 59	0.64 24	0.46 76	0.17 18	0.16 139	0.20 70	0.17 70	0.20 86	0.26 177

Prome-Stereo	0.76 163	0.29 61	0.57 17	0.58 150	0.33 110	0.58 78	0.94 304	0.98 30	0.92 76	1.46 279	2.45 356	0.91 137	1.38 312	1.60 182	0.44 61	0.19 65	0.13 17	0.19 47	0.18 84	0.20 86	0.87 368

iRaftStereo_RVC	0.49 25	0.28 43	0.72 57	0.53 89	0.29 51	0.52 47	0.33 33	1.14 78	0.84 58	0.85 67	0.99 82	0.55 38	0.36 12	0.83 53	0.40 44	0.18 40	0.13 17	0.22 120	0.20 128	0.20 86	0.18 32

RALCasStereoNet	0.58 70	0.34 162	0.77 82	0.65 217	0.64 285	0.64 105	0.51 165	1.06 49	0.99 110	0.71 43	1.06 106	0.77 86	0.44 26	1.38 138	0.52 108	0.20 99	0.18 184	0.18 33	0.16 54	0.20 86	0.22 108

HSM-Net_RVC	0.91 232	0.31 104	0.60 24	0.54 100	0.31 77	1.15 254	0.60 223	3.76 386	1.30 235	1.57 303	1.75 302	1.67 306	1.01 242	1.61 184	0.90 219	0.23 169	0.17 161	0.19 47	0.18 84	0.20 86	0.22 108
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
pmcnn	2.84 380	0.46 254	5.19 372	0.68 252	0.42 187	1.55 307	1.16 332	2.32 327	1.60 323	2.72 369	7.49 399	17.96 414	1.48 324	6.04 357	6.64 382	0.18 40	0.15 112	0.15 3	0.12 9	0.20 86	0.20 70

CoDeX	0.78 170	0.31 104	1.04 186	0.56 122	0.37 144	1.13 248	0.60 223	2.77 370	1.29 233	1.17 147	1.26 177	0.91 137	0.87 188	1.42 148	0.74 184	0.21 120	0.16 139	0.21 93	0.18 84	0.21 121	0.21 87

11t1	0.57 59	0.30 79	0.84 124	0.54 100	0.30 63	0.83 180	0.41 87	1.34 130	0.79 48	0.88 73	0.82 50	0.70 72	0.70 130	0.96 78	0.67 170	0.21 120	0.21 221	0.20 70	0.16 54	0.21 121	0.26 177

CroCo-Stereo Lap2	0.46 19	0.37 204	0.87 137	0.62 190	0.79 328	0.28 2	0.35 49	0.81 6	0.73 29	0.39 3	0.54 15	0.71 78	0.54 68	0.60 13	0.48 88	0.18 40	0.18 184	0.19 47	0.16 54	0.21 121	0.21 87

TestStereo1	0.66 110	0.29 61	0.95 162	0.82 319	0.32 97	0.47 18	0.43 107	1.52 157	1.22 201	0.99 86	1.32 200	0.65 59	0.76 140	1.78 204	0.44 61	0.20 99	0.16 139	0.22 120	0.19 102	0.21 121	0.20 70

x	0.59 81	0.34 162	0.79 92	0.51 57	0.32 97	0.69 131	0.46 138	1.64 185	0.97 100	0.86 71	0.86 55	0.83 111	0.74 134	0.75 38	0.70 178	0.21 120	0.22 231	0.22 120	0.20 128	0.21 121	0.24 141

raft_robust	0.71 144	0.32 118	0.75 77	0.54 100	0.28 40	0.54 60	0.35 49	1.54 163	1.24 205	1.18 158	1.07 108	0.73 79	0.53 61	3.65 310	0.40 44	0.19 65	0.16 139	0.20 70	0.22 186	0.21 121	0.19 51

RAFT+CT+SA	0.63 101	0.30 79	0.73 67	0.69 262	0.37 144	0.40 9	0.55 195	1.93 254	1.04 129	0.72 46	1.23 169	0.62 52	0.69 128	1.69 195	0.42 54	0.19 65	0.13 17	0.22 120	0.22 186	0.21 121	0.19 51

SA-5K	0.66 110	0.29 61	0.95 162	0.82 319	0.32 97	0.47 18	0.43 107	1.52 157	1.22 201	0.99 86	1.32 200	0.65 59	0.76 140	1.78 204	0.44 61	0.20 99	0.16 139	0.22 120	0.19 102	0.21 121	0.20 70

Sa-1000	0.76 163	0.30 79	0.92 152	0.62 190	0.31 77	0.78 161	0.37 61	2.00 268	1.38 265	1.30 215	2.04 335	0.86 119	0.74 134	1.87 217	0.40 44	0.19 65	0.14 58	0.25 203	0.24 225	0.21 121	0.19 51

iRaft-Stereo_5w	0.89 220	0.31 104	1.04 186	0.56 122	0.47 213	0.47 18	0.68 241	1.19 99	1.08 137	0.80 55	1.35 212	1.46 275	0.90 200	5.11 336	1.16 259	0.18 40	0.15 112	0.22 120	0.19 102	0.21 121	0.24 141

GLC_STEREO	0.41 4	0.27 35	0.43 5	0.55 110	0.24 6	0.47 18	0.30 23	0.81 6	0.64 19	0.53 28	0.74 35	0.50 31	0.31 6	0.65 25	0.45 72	0.18 40	0.20 208	0.23 146	0.19 102	0.21 121	0.21 87

IPLGR	0.62 92	0.28 43	1.32 253	0.50 46	0.29 51	0.65 109	0.34 40	1.47 152	1.19 185	1.21 175	1.07 108	0.70 72	0.65 116	1.05 91	0.55 127	0.18 40	0.15 112	0.20 70	0.17 70	0.21 121	0.20 70

test_3	0.57 59	0.24 9	0.87 137	0.55 110	0.30 63	0.60 83	0.40 79	1.07 50	1.08 137	1.20 169	0.68 24	0.92 142	0.43 22	1.68 191	0.40 44	0.16 7	0.13 17	0.22 120	0.19 102	0.21 121	0.17 23

PFNet+	0.62 92	0.31 104	0.99 174	0.57 140	0.31 77	0.57 69	0.30 23	0.99 35	1.25 211	1.33 228	1.10 119	0.79 89	0.57 77	1.35 133	0.53 117	0.26 224	0.17 161	0.28 245	0.26 244	0.21 121	0.27 193

OMP-Stereo	0.95 241	0.35 184	0.79 92	0.92 346	0.32 97	0.49 28	0.35 49	1.22 109	1.11 151	1.58 304	1.12 129	1.44 270	0.69 128	6.92 374	0.51 102	0.20 99	0.15 112	0.24 167	0.19 102	0.21 121	0.16 13

KYRaft	0.77 168	0.29 61	0.68 49	0.59 162	0.29 51	0.66 115	0.83 281	1.05 48	0.89 66	1.63 313	2.22 345	1.15 211	0.99 233	1.59 177	0.41 49	0.21 120	0.14 58	0.22 120	0.28 267	0.21 121	1.01 371

Pruner-Stereo	0.64 104	0.31 104	0.79 92	0.66 230	0.31 77	0.61 87	0.42 91	1.22 109	1.09 144	1.53 293	1.09 117	0.94 149	0.55 70	1.37 137	0.56 134	0.25 207	0.14 58	0.24 167	0.21 164	0.21 121	0.25 160

GMM-Stereo	0.75 158	0.27 35	0.66 44	0.56 122	0.34 122	0.71 136	0.97 309	1.09 62	0.91 71	1.37 245	1.79 307	1.11 203	0.79 154	2.08 247	0.48 88	0.19 65	0.12 5	0.25 203	0.25 233	0.21 121	0.78 362

GwcNet-RSSM	0.83 202	0.34 162	1.29 250	0.65 217	0.55 253	0.78 161	0.62 227	1.89 245	1.27 221	1.18 158	1.39 223	1.56 292	0.91 202	1.60 182	1.22 267	0.26 224	0.20 208	0.23 146	0.24 225	0.21 121	0.21 87

MyStereo8	0.70 138	0.32 118	1.24 241	0.63 200	0.53 242	0.90 199	0.34 40	1.60 179	1.35 251	1.20 169	1.31 195	0.89 132	0.64 112	0.77 40	1.02 247	0.18 40	0.15 112	0.20 70	0.18 84	0.22 140	0.30 229

LL-Strereo2	0.56 47	0.36 188	0.77 82	0.56 122	0.40 170	0.68 123	0.37 61	1.21 107	0.83 56	0.96 84	0.79 43	0.91 137	0.41 16	1.08 99	0.48 88	0.18 40	0.17 161	0.29 253	0.25 233	0.22 140	0.19 51

CBFPSM	0.95 241	0.37 204	2.10 316	0.51 57	0.39 161	1.73 324	0.87 291	1.59 177	1.13 161	1.11 115	1.00 86	2.34 356	1.64 336	1.42 148	1.44 293	0.19 65	0.18 184	0.20 70	0.20 128	0.22 140	0.36 270

test_5	0.70 138	0.32 118	0.99 174	0.69 262	0.50 225	0.89 196	0.51 165	1.88 243	1.14 167	0.78 52	1.13 139	1.04 179	0.89 197	1.59 177	0.46 76	0.19 65	0.14 58	0.23 146	0.22 186	0.22 140	0.20 70

SA	0.69 136	0.31 104	0.97 170	0.64 211	0.30 63	0.56 67	0.38 68	1.84 230	1.35 251	0.99 86	1.37 217	0.69 69	0.94 213	1.88 223	0.43 57	0.20 99	0.16 139	0.25 203	0.23 213	0.22 140	0.19 51

NRIStereo	0.62 92	0.31 104	0.78 88	0.56 122	0.28 40	0.63 97	0.33 33	1.16 92	0.92 76	1.15 141	0.87 57	0.90 134	0.58 92	2.24 259	0.56 134	0.22 149	0.14 58	0.21 93	0.19 102	0.22 140	0.18 32

PSM-AAD	0.80 183	0.29 61	0.58 18	0.58 150	0.29 51	0.76 151	1.19 335	1.08 55	0.94 88	1.65 315	1.58 276	0.81 97	2.12 366	1.67 189	0.44 61	0.19 65	0.14 58	0.38 316	0.32 302	0.22 140	0.68 353

RAFT	0.67 118	0.32 118	0.83 115	0.63 200	0.34 122	0.69 131	0.57 204	1.14 78	0.84 58	1.12 123	1.20 158	1.75 319	0.92 210	1.09 103	0.60 150	0.22 149	0.19 198	0.27 233	0.24 225	0.22 140	0.23 122

rafts_anoy	0.55 36	0.32 118	0.66 44	0.72 279	0.61 278	0.53 51	0.40 79	1.24 114	1.06 133	0.85 67	0.83 51	0.67 63	0.53 61	0.77 40	0.55 127	0.20 99	0.15 112	0.25 203	0.26 244	0.22 140	0.21 87

GES	0.70 138	0.37 204	1.05 188	0.62 190	0.38 154	0.94 213	0.57 204	2.37 334	0.92 76	1.05 105	1.12 129	0.67 63	0.77 144	1.02 86	0.65 165	0.28 252	0.20 208	0.20 70	0.20 128	0.22 140	0.31 238

222	1.67 333	0.31 104	0.93 153	0.59 162	0.31 77	1.05 236	0.43 107	2.39 335	1.47 301	1.37 245	1.55 266	0.94 149	0.94 213	1.98 233	17.76 411	0.24 187	0.22 231	0.21 93	0.20 128	0.22 140	0.26 177

delet	0.90 227	0.34 162	1.15 212	0.69 262	0.66 294	1.63 317	0.81 276	1.95 258	1.49 306	1.42 264	1.38 221	1.29 244	0.91 202	1.78 204	1.18 260	0.22 149	0.22 231	0.24 167	0.25 233	0.22 140	0.24 141

FENet	0.62 92	0.30 79	0.68 49	0.57 140	0.33 110	0.82 174	0.40 79	1.41 142	1.12 156	1.03 101	0.87 57	0.98 160	0.84 170	1.00 82	0.70 178	0.23 169	0.16 139	0.23 146	0.20 128	0.22 140	0.24 141

ac_64	0.86 213	0.32 118	1.02 182	0.74 292	0.60 273	1.04 233	0.53 179	2.20 314	0.99 110	1.23 181	1.11 126	1.96 334	1.06 261	2.01 238	1.01 245	0.30 269	0.22 231	0.24 167	0.23 213	0.22 140	0.22 108

acv_ft	0.78 170	0.33 135	1.10 201	0.73 286	0.86 342	1.23 272	0.57 204	1.65 188	1.11 151	1.31 221	1.31 195	1.07 186	0.91 202	0.82 50	1.35 284	0.22 149	0.19 198	0.21 93	0.18 84	0.22 140	0.19 51

HSM	1.22 292	0.34 162	0.81 98	0.61 182	0.39 161	1.22 270	0.63 232	2.45 343	1.25 211	1.32 223	1.26 177	1.91 324	1.08 264	9.21 396	0.75 187	0.23 169	0.17 161	0.20 70	0.16 54	0.22 140	0.24 141

iResNet	0.80 183	0.45 251	1.47 267	0.72 279	0.31 77	0.96 224	0.64 233	1.80 221	1.28 225	1.31 221	1.48 245	0.94 149	0.78 149	1.77 202	0.99 240	0.19 65	0.14 58	0.18 33	0.15 30	0.22 140	0.27 193

DN-CSS_ROB	0.67 118	0.36 188	1.36 258	0.59 162	0.41 180	0.54 60	0.45 132	1.30 127	0.95 92	1.05 105	1.47 243	0.69 69	0.64 112	1.80 211	0.60 150	0.19 65	0.15 112	0.25 203	0.23 213	0.22 140	0.23 122

SMFormer	0.79 178	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.99 240	0.24 187	0.22 231	0.22 120	0.21 164	0.23 158	0.27 193

MyStereo07	0.50 29	0.30 79	0.58 18	0.58 150	0.48 215	0.59 79	0.78 264	1.19 99	0.60 12	0.49 16	0.54 15	0.43 6	0.55 70	1.32 130	0.36 16	0.18 40	0.18 184	0.24 167	0.21 164	0.23 158	0.23 122

MyStereo06	0.67 118	0.29 61	1.06 191	0.58 150	0.48 215	0.62 89	0.72 253	2.26 319	0.89 66	1.07 110	1.12 129	1.22 221	0.56 75	0.83 53	0.47 84	0.17 18	0.17 161	0.24 167	0.21 164	0.23 158	0.23 122

MyStereo05	0.70 138	0.29 61	1.22 236	0.58 150	0.48 215	0.62 89	0.72 253	1.52 157	1.54 313	1.17 147	0.91 64	0.77 86	0.79 154	1.45 153	0.68 174	0.17 18	0.17 161	0.24 167	0.21 164	0.23 158	0.23 122

MyStereo04	0.71 144	0.30 79	1.28 247	0.58 150	0.48 215	0.59 79	0.78 264	1.74 208	1.49 306	0.94 81	0.91 64	0.74 80	0.86 182	1.59 177	0.69 175	0.18 40	0.18 184	0.24 167	0.21 164	0.23 158	0.23 122

ACVNet-DCA	0.59 81	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.58 172	0.91 71	0.60 34	0.80 46	0.47 20	0.87 188	1.48 159	0.35 6	0.21 120	0.13 17	0.25 203	0.15 30	0.23 158	0.25 160

xx1	0.70 138	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.07 50	3.23 382	0.60 34	0.80 46	0.95 152	0.79 154	1.48 159	0.35 6	0.21 120	0.13 17	0.24 167	0.23 213	0.23 158	0.25 160

1test111	0.58 70	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.58 172	0.91 71	0.60 34	0.80 46	0.47 20	0.87 188	0.99 80	0.67 170	0.21 120	0.13 17	0.25 203	0.15 30	0.23 158	0.25 160

CASnet	0.42 8	0.26 19	0.52 15	0.52 69	0.21 2	0.49 28	0.35 49	0.85 14	0.85 61	0.84 65	0.69 27	0.48 24	0.31 6	0.57 8	0.34 4	0.19 65	0.12 5	0.27 233	0.22 186	0.23 158	0.15 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LL-Strereo	1.42 313	0.44 250	2.02 311	0.62 190	1.07 361	0.73 142	0.65 235	2.02 270	1.21 195	1.60 308	1.62 282	2.02 340	2.10 363	9.67 400	1.07 251	0.22 149	0.20 208	0.27 233	0.24 225	0.23 158	0.33 252

gwcnet-sp	0.80 183	0.37 204	1.94 304	0.62 190	0.45 200	1.38 288	0.53 179	1.68 190	1.20 189	1.37 245	1.08 114	0.93 144	0.82 165	1.45 153	0.79 197	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

scenet	0.80 183	0.37 204	1.94 304	0.62 190	0.45 200	1.38 288	0.53 179	1.68 190	1.20 189	1.37 245	1.08 114	0.93 144	0.82 165	1.45 153	0.79 197	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

knoymous	0.53 34	0.32 118	0.51 14	0.46 14	0.30 63	0.57 69	0.54 188	1.10 68	0.78 42	0.99 86	0.84 52	0.95 152	0.57 77	0.89 65	0.51 102	0.21 120	0.14 58	0.26 224	0.14 22	0.23 158	0.25 160

ssnet	0.80 183	0.37 204	1.94 304	0.62 190	0.45 200	1.38 288	0.53 179	1.68 190	1.20 189	1.37 245	1.08 114	0.93 144	0.82 165	1.45 153	0.79 197	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

qqq	0.62 92	0.36 188	0.88 139	0.50 46	0.28 40	0.64 105	0.62 227	1.58 172	0.91 71	0.83 62	0.96 71	0.95 152	0.79 154	0.99 80	0.67 170	0.21 120	0.23 253	0.24 167	0.23 213	0.23 158	0.25 160

BUS	0.78 170	0.34 162	0.77 82	0.55 110	0.45 200	2.30 359	0.42 91	2.65 363	1.04 129	1.25 188	1.12 129	1.02 175	0.70 130	0.94 71	0.75 187	0.25 207	0.18 184	0.25 203	0.22 186	0.23 158	0.24 141

BSDual-CNN	0.75 158	0.34 162	0.77 82	0.55 110	0.45 200	1.25 274	0.66 237	2.65 363	1.04 129	1.25 188	1.12 129	1.11 203	0.77 144	0.94 71	0.76 190	0.25 207	0.18 184	0.25 203	0.22 186	0.23 158	0.24 141

hknet	0.82 193	0.34 162	1.15 212	0.55 110	0.39 161	1.25 274	0.66 237	2.65 363	1.10 147	1.25 188	1.12 129	1.58 295	0.85 175	1.41 143	0.79 197	0.23 169	0.18 184	0.25 203	0.22 186	0.23 158	0.24 141

psmg	0.75 158	0.34 162	0.77 82	0.52 69	0.45 200	1.46 300	0.73 256	2.15 299	1.04 129	1.25 188	1.33 204	1.11 203	0.77 144	0.94 71	0.76 190	0.25 207	0.20 208	0.25 203	0.26 244	0.23 158	0.24 141

CSP-Net	1.00 254	0.41 239	0.99 174	0.56 122	0.43 190	1.62 316	0.76 260	2.16 301	1.16 176	1.33 228	1.22 165	1.32 252	0.89 197	4.67 330	0.93 228	0.35 298	0.24 261	0.20 70	0.20 128	0.23 158	0.30 229

GANet-ADL	0.63 101	0.38 221	0.82 107	0.67 243	0.41 180	0.68 123	0.51 165	1.64 185	1.16 176	0.98 85	1.10 119	0.90 134	0.58 92	0.81 48	0.63 158	0.27 241	0.18 184	0.18 33	0.16 54	0.23 158	0.27 193

SST-Stereo	0.85 211	0.30 79	0.81 98	0.63 200	0.31 77	0.70 134	0.25 4	1.16 92	0.95 92	1.47 280	1.11 126	0.99 165	0.86 182	5.69 348	0.53 117	0.23 169	0.13 17	0.23 146	0.19 102	0.23 158	0.19 51

RAFT_R40	0.84 206	0.30 79	0.83 115	0.63 200	0.31 77	0.66 115	0.43 107	1.15 89	0.99 110	1.47 280	1.10 119	1.00 169	0.84 170	5.44 345	0.53 117	0.23 169	0.13 17	0.23 146	0.20 128	0.23 158	0.19 51

xxxx	1.61 329	0.32 118	0.98 172	0.58 150	0.31 77	1.15 254	0.43 107	2.43 341	1.41 279	1.17 147	1.40 228	1.21 217	0.86 182	1.94 227	16.68 410	0.24 187	0.24 261	0.21 93	0.20 128	0.23 158	0.27 193

test_xeample	1.55 325	0.31 104	0.94 159	0.54 100	0.31 77	0.94 213	0.58 211	2.40 337	1.40 276	1.29 212	1.55 266	0.89 132	0.88 195	1.72 197	15.94 408	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

SFCPSM	0.74 155	0.30 79	1.06 191	0.52 69	0.39 161	1.36 287	0.64 233	2.42 339	1.11 151	1.18 158	1.21 163	0.81 97	0.78 149	1.08 99	0.57 137	0.22 149	0.17 161	0.22 120	0.24 225	0.23 158	0.21 87

ACVNet	0.66 110	0.33 135	0.74 72	0.55 110	0.37 144	0.80 166	0.47 147	1.46 149	1.11 151	1.01 93	1.31 195	1.07 186	0.91 202	0.82 50	1.09 252	0.22 149	0.19 198	0.21 93	0.18 84	0.23 158	0.19 51

GANet-RSSM	0.78 170	0.31 104	0.90 147	0.67 243	0.58 263	0.80 166	0.62 227	2.04 276	1.15 171	1.11 115	1.27 184	1.26 236	1.18 287	1.68 191	0.74 184	0.26 224	0.21 221	0.22 120	0.22 186	0.23 158	0.23 122

AANet_RVC	1.22 292	0.60 296	1.94 304	0.69 262	0.46 207	0.75 146	0.69 245	1.51 155	1.57 319	1.36 244	1.90 324	1.51 284	0.87 188	7.23 378	1.89 331	0.26 224	0.19 198	0.19 47	0.16 54	0.23 158	0.37 273

MIF-Stereo (partial)	0.48 24	0.28 43	0.83 115	0.51 57	0.53 242	0.39 8	0.27 14	1.03 43	0.64 19	0.47 11	0.71 32	0.51 32	0.51 55	1.13 110	0.47 84	0.20 99	0.16 139	0.23 146	0.20 128	0.24 187	0.20 70

riskmin	0.62 92	0.29 61	0.73 67	0.50 46	0.34 122	0.86 191	0.44 124	1.74 208	1.07 134	0.76 51	0.76 36	1.19 214	1.01 242	0.84 56	0.60 150	0.20 99	0.16 139	0.24 167	0.16 54	0.24 187	0.29 216

CRFU-Net	0.90 227	0.42 241	1.10 201	0.69 262	0.59 269	1.76 328	0.84 283	2.33 332	0.92 76	1.45 277	1.20 158	1.62 298	1.25 295	1.38 138	0.94 233	0.28 252	0.23 253	0.22 120	0.19 102	0.24 187	0.27 193

AAGNet	1.84 346	0.30 79	0.79 92	0.66 230	0.32 97	0.65 109	0.50 164	1.02 37	1.01 117	1.47 280	1.21 163	0.99 165	1.16 277	2.76 288	22.69 417	0.24 187	0.13 17	0.22 120	0.20 128	0.24 187	0.16 13

DeepStereo_RVC	0.57 59	0.31 104	0.78 88	0.53 89	0.30 63	0.57 69	0.32 29	1.11 70	0.80 52	1.17 147	0.94 68	0.83 111	0.93 211	1.01 84	0.61 153	0.23 169	0.14 58	0.21 93	0.19 102	0.24 187	0.26 177

ICVP	0.66 110	0.35 184	0.71 56	0.63 200	0.41 180	0.85 190	0.56 201	1.78 214	0.96 96	0.92 77	1.24 173	0.88 126	0.75 139	0.76 39	0.93 228	0.31 273	0.22 231	0.22 120	0.21 164	0.24 187	0.28 204
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HGLStereo	0.89 220	0.42 241	1.15 212	0.82 319	1.03 359	1.16 257	0.57 204	1.68 190	1.28 225	1.26 198	1.62 282	1.13 207	1.31 304	1.85 213	1.11 256	0.25 207	0.24 261	0.24 167	0.22 186	0.24 187	0.29 216

DMCA	0.71 144	0.36 188	1.17 226	0.53 89	0.45 200	0.84 187	0.46 138	1.52 157	1.09 144	1.20 169	1.12 129	1.21 217	0.74 134	0.87 61	1.09 252	0.25 207	0.20 208	0.27 233	0.19 102	0.24 187	0.29 216

iResNetv2_ROB	0.88 218	0.43 245	2.62 339	0.60 169	0.38 154	0.94 213	0.67 239	1.88 243	1.38 265	1.27 203	1.45 239	1.26 236	1.05 260	1.92 225	0.64 161	0.24 187	0.15 112	0.19 47	0.14 22	0.24 187	0.21 87

1111x	1.96 353	0.32 118	1.54 280	0.54 100	0.30 63	1.00 228	0.69 245	2.47 348	1.33 246	1.21 175	1.44 236	1.21 217	1.11 271	8.49 391	16.14 409	0.22 149	0.23 253	0.22 120	0.23 213	0.25 196	0.26 177

whm_eth	0.69 136	0.51 274	1.32 253	0.56 122	0.64 285	0.67 120	0.45 132	1.59 177	1.33 246	1.02 97	1.92 327	0.48 24	0.48 43	0.71 30	0.53 117	0.24 187	0.20 208	0.25 203	0.24 225	0.25 196	0.35 267

test croco	0.49 25	0.29 61	1.23 238	0.51 57	0.40 170	0.35 5	0.37 61	1.04 45	0.62 16	0.44 5	0.76 36	0.42 4	0.41 16	1.17 117	0.46 76	0.23 169	0.15 112	0.24 167	0.19 102	0.25 196	0.18 32

GwcNet-ADL	0.67 118	0.33 135	0.90 147	0.58 150	0.41 180	0.60 83	0.59 215	1.55 165	1.28 225	1.11 115	1.13 139	0.90 134	0.59 95	1.11 108	0.91 221	0.28 252	0.18 184	0.18 33	0.18 84	0.25 196	0.33 252

HCRNet	0.72 149	0.40 230	0.86 135	0.61 182	0.57 261	0.75 146	0.35 49	1.39 137	1.21 195	1.11 115	0.99 82	1.01 173	0.76 140	2.18 255	0.73 182	0.28 252	0.19 198	0.28 245	0.23 213	0.25 196	0.26 177

MMNet	0.89 220	0.35 184	1.44 264	0.64 211	0.59 269	1.83 336	0.48 151	1.70 202	1.38 265	1.45 277	1.19 157	1.25 230	1.16 277	1.77 202	1.27 275	0.20 99	0.19 198	0.23 146	0.22 186	0.25 196	0.24 141

UNet	0.86 213	0.36 188	1.52 276	0.62 190	0.74 313	1.56 309	0.49 159	1.55 165	1.12 156	1.28 208	1.10 119	1.52 286	1.10 269	1.69 195	1.14 257	0.24 187	0.18 184	0.25 203	0.21 164	0.25 196	0.25 160

PSMNet-RSSM	0.78 170	0.32 118	0.89 142	0.65 217	0.43 190	0.73 142	0.58 211	2.14 295	1.19 185	1.18 158	1.38 221	1.31 248	1.07 263	1.43 150	0.82 205	0.28 252	0.21 221	0.27 233	0.29 282	0.25 196	0.26 177

StereoDRNet-Refined	0.84 206	0.43 245	1.01 180	0.66 230	0.43 190	1.32 279	0.49 159	1.64 185	1.24 205	1.53 293	1.45 239	1.49 280	0.97 227	1.32 130	1.31 277	0.21 120	0.17 161	0.27 233	0.25 233	0.25 196	0.34 259
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
LE_ROB	8.35 406	0.47 259	27.42 421	0.83 323	0.34 122	2.84 374	3.36 403	4.03 390	27.04 422	25.20 422	8.72 405	8.55 404	27.35 422	7.37 380	22.13 414	0.22 149	0.20 208	0.20 70	0.21 164	0.25 196	0.25 160

iinet-f	1.04 261	0.50 270	4.24 365	0.58 150	0.43 190	1.78 333	0.70 251	1.29 126	1.16 176	1.25 188	1.42 232	1.57 294	1.42 317	1.47 157	1.70 322	0.26 224	0.23 253	0.20 70	0.20 128	0.26 206	0.26 177

UPFNet	0.84 206	0.34 162	1.09 198	0.62 190	0.74 313	1.25 274	0.78 264	1.69 199	1.20 189	1.39 252	1.13 139	1.30 246	0.87 188	1.73 198	1.22 267	0.24 187	0.26 279	0.24 167	0.23 213	0.26 206	0.20 70

mmm	0.68 127	0.37 204	0.91 150	0.54 100	0.34 122	0.86 191	0.58 211	1.72 206	1.02 120	1.13 126	1.41 231	0.83 111	0.78 149	0.95 77	0.67 170	0.22 149	0.20 208	0.29 253	0.26 244	0.27 208	0.27 193

ToySt	0.73 152	0.35 184	1.64 286	0.54 100	0.37 144	0.92 208	0.81 276	1.21 107	1.03 123	0.86 71	1.12 129	1.31 248	1.01 242	1.04 88	0.88 214	0.19 65	0.20 208	0.24 167	0.24 225	0.27 208	0.28 204

NINENet	0.81 191	0.40 230	0.89 142	0.65 217	0.53 242	2.30 359	0.42 91	2.12 290	1.13 161	1.20 169	1.27 184	1.02 175	0.70 130	1.26 124	0.75 187	0.29 264	0.24 261	0.31 266	0.21 164	0.27 208	0.26 177

PSMNet-ADL	0.75 158	0.36 188	0.69 53	0.71 274	0.47 213	1.13 248	0.46 138	1.47 152	1.07 134	0.85 67	1.18 154	1.31 248	0.94 213	1.56 169	1.06 250	0.34 290	0.22 231	0.22 120	0.23 213	0.27 208	0.36 270

ADLNet2	0.92 235	0.37 204	1.25 243	0.80 312	0.65 291	1.12 247	0.75 258	1.95 258	1.42 287	1.26 198	1.67 291	1.68 308	1.04 255	1.80 211	1.23 270	0.25 207	0.22 231	0.21 93	0.22 186	0.27 208	0.31 238

Patchmatch Stereo++	0.57 59	0.33 135	0.82 107	0.52 69	0.27 19	0.63 97	0.28 17	1.14 78	0.73 29	1.13 126	0.96 71	0.82 103	0.60 99	1.40 141	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.56 47	0.33 135	0.81 98	0.52 69	0.27 19	0.63 97	0.41 87	1.14 78	0.73 29	1.13 126	0.96 71	0.82 103	0.60 99	1.09 103	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

ROB_FTStereo_v2	0.57 59	0.33 135	0.81 98	0.52 69	0.27 19	0.62 89	0.42 91	1.14 78	0.73 29	1.13 126	0.97 78	0.82 103	0.60 99	1.15 112	0.53 117	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

ROB_FTStereo	0.56 47	0.33 135	0.82 107	0.52 69	0.27 19	0.62 89	0.25 4	1.14 78	0.74 36	1.13 126	0.96 71	0.82 103	0.60 99	1.18 118	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

HUI-Stereo	0.54 35	0.33 135	0.81 98	0.52 69	0.27 19	0.62 89	0.29 21	1.14 78	0.74 36	1.13 126	0.96 71	0.82 103	0.60 99	0.83 53	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

iGMRVC	0.58 70	0.33 135	0.81 98	0.52 69	0.27 19	0.62 89	0.38 68	1.14 78	0.73 29	1.13 126	0.97 78	0.82 103	0.59 95	1.54 168	0.53 117	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

iRAFT	0.57 59	0.33 135	0.82 107	0.52 69	0.27 19	0.63 97	0.28 17	1.14 78	0.73 29	1.13 126	0.96 71	0.82 103	0.60 99	1.40 141	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

RAFT-IKP	0.57 59	0.33 135	0.82 107	0.52 69	0.27 19	0.57 69	0.35 49	1.14 78	0.73 29	1.13 126	0.96 71	0.83 111	0.61 109	1.26 124	0.53 117	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

RALAANet	0.62 92	0.37 204	0.97 170	0.66 230	0.50 225	0.67 120	0.31 25	1.27 121	1.09 144	1.11 115	1.17 152	0.88 126	0.46 35	1.27 126	0.45 72	0.20 99	0.15 112	0.21 93	0.18 84	0.27 208	0.19 51

CFNet	0.99 251	0.40 230	1.23 238	0.65 217	0.43 190	1.03 232	0.49 159	2.01 269	1.35 251	1.02 97	1.39 223	1.10 198	0.86 182	5.47 346	0.89 216	0.24 187	0.18 184	0.28 245	0.27 258	0.27 208	0.22 108

fast-acv-ft	1.00 254	0.48 262	1.85 300	0.61 182	0.52 237	1.77 330	0.69 245	1.52 157	1.47 301	1.34 235	1.85 318	1.73 314	1.24 294	1.62 185	1.56 306	0.27 241	0.28 291	0.28 245	0.28 267	0.28 223	0.31 238

ssnet_v2	0.92 235	0.39 225	1.22 236	0.66 230	0.39 161	1.31 278	0.96 308	2.32 327	1.45 295	1.48 285	1.17 152	1.53 287	0.91 202	1.16 114	1.71 324	0.31 273	0.27 287	0.30 262	0.29 282	0.28 223	0.29 216

Wz-Net-LNSev-Ref	1.09 272	0.46 254	2.61 338	0.71 274	0.65 291	2.00 347	0.78 264	2.07 283	1.47 301	1.62 311	1.47 243	1.53 287	1.29 300	2.10 249	1.65 318	0.24 187	0.14 58	0.20 70	0.16 54	0.28 223	0.28 204

AASNet	0.80 183	0.39 225	1.16 225	0.84 327	0.80 330	1.14 251	0.59 215	2.12 290	1.21 195	1.26 198	1.26 177	0.93 144	0.77 144	0.84 56	1.23 270	0.28 252	0.24 261	0.24 167	0.20 128	0.28 223	0.27 193

LCNet	0.73 152	0.30 79	0.58 18	0.58 150	0.31 77	0.68 123	0.53 179	1.09 62	0.94 88	1.19 163	1.34 207	0.96 156	1.32 306	2.50 274	0.46 76	0.19 65	0.13 17	0.21 93	0.25 233	0.28 223	0.69 355

CRE-IMP	0.57 59	0.32 118	0.82 107	0.54 100	0.29 51	0.77 160	0.25 4	1.19 99	0.79 48	1.09 112	0.95 69	0.81 97	0.57 77	1.11 108	0.57 137	0.22 149	0.14 58	0.23 146	0.19 102	0.28 223	0.24 141

GEStereo_RVC	0.93 240	0.40 230	1.15 212	0.67 243	0.50 225	0.95 219	0.78 264	2.73 368	1.21 195	1.20 169	1.12 129	1.25 230	0.91 202	3.21 300	0.95 235	0.31 273	0.20 208	0.23 146	0.20 128	0.28 223	0.31 238

TestStereo	0.65 108	0.42 241	0.83 115	0.52 69	0.27 19	0.57 69	0.44 124	1.07 50	0.92 76	0.85 67	1.01 88	0.68 65	0.56 75	3.22 301	0.47 84	0.23 169	0.15 112	0.24 167	0.18 84	0.28 223	0.18 32

psm_up	0.83 202	0.37 204	0.88 139	0.68 252	0.59 269	1.05 236	0.92 299	1.68 190	1.17 180	1.41 260	1.22 165	1.30 246	1.31 304	1.39 140	0.89 216	0.27 241	0.30 303	0.31 266	0.27 258	0.28 223	0.28 204

DLCB_ROB	0.92 235	0.43 245	0.95 162	0.71 274	0.55 253	1.11 245	0.83 281	1.61 181	1.32 244	1.67 317	1.66 289	1.70 311	0.93 211	1.96 232	1.34 282	0.26 224	0.25 274	0.27 233	0.28 267	0.28 223	0.28 204

ttt	1.26 301	0.36 188	0.79 92	0.65 217	0.42 187	0.94 213	0.57 204	2.33 332	1.38 265	1.25 188	1.65 288	0.92 142	0.78 149	2.64 281	8.73 389	0.30 269	0.28 291	0.26 224	0.25 233	0.29 233	0.32 246

CASS	0.67 118	0.36 188	0.84 124	0.57 140	0.28 40	0.82 174	0.43 107	1.62 184	0.92 76	1.39 252	1.28 189	0.87 120	0.84 170	0.88 63	0.59 148	0.36 305	0.19 198	0.26 224	0.22 186	0.29 233	0.43 299
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DAS	0.89 220	0.37 204	1.20 232	0.66 230	0.69 302	0.82 174	0.62 227	1.79 217	1.26 217	1.93 340	1.55 266	0.96 156	1.17 280	2.72 286	0.69 175	0.22 149	0.16 139	0.25 203	0.18 84	0.29 233	0.24 141

SepStereo	0.87 216	0.37 204	1.20 232	0.66 230	0.69 302	0.82 174	0.62 227	1.79 217	1.26 217	1.93 340	1.55 266	0.96 156	1.17 280	2.34 266	0.69 175	0.22 149	0.16 139	0.25 203	0.18 84	0.29 233	0.24 141

sCroCo_RVC	0.51 31	0.43 245	1.15 212	0.66 230	0.60 273	0.52 47	0.40 79	0.93 20	0.64 19	0.45 9	0.76 36	0.49 28	0.49 53	0.65 25	0.49 97	0.27 241	0.28 291	0.23 146	0.22 186	0.29 233	0.28 204

ADLNet	0.89 220	0.39 225	1.09 198	0.88 335	0.73 309	1.24 273	0.75 258	2.02 270	1.41 279	1.58 304	1.37 217	1.26 236	1.00 239	1.31 127	1.18 260	0.28 252	0.21 221	0.26 224	0.26 244	0.29 233	0.36 270

RAFT + AFF	1.07 269	0.47 259	1.36 258	0.68 252	0.50 225	1.20 268	1.22 338	2.58 360	1.26 217	1.33 228	1.56 271	1.19 214	1.49 325	3.89 317	1.01 245	0.22 149	0.26 279	0.30 262	0.27 258	0.29 233	0.32 246

DSFCA	0.95 241	0.38 221	1.23 238	0.55 110	0.66 294	1.50 302	0.93 302	1.58 172	1.24 205	1.59 307	1.16 150	1.48 278	0.95 218	2.96 293	1.20 262	0.31 273	0.28 291	0.25 203	0.26 244	0.29 233	0.26 177

HITNet	0.71 144	0.42 241	1.07 195	0.52 69	0.25 8	1.05 236	0.48 151	2.12 290	1.08 137	1.21 175	1.23 169	0.91 137	0.84 170	0.90 68	0.91 221	0.17 18	0.12 5	0.21 93	0.17 70	0.29 233	0.18 32
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
AdaStereo	0.74 155	0.48 262	0.86 135	0.75 299	0.38 154	0.94 213	0.56 201	2.05 280	1.24 205	1.15 141	1.22 165	1.07 186	0.67 122	1.05 91	0.73 182	0.33 283	0.16 139	0.32 278	0.22 186	0.29 233	0.23 122
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
AACVNet	0.90 227	0.40 230	0.98 172	0.86 332	0.40 170	0.80 166	0.49 159	1.81 224	0.86 63	1.11 115	1.34 207	1.32 252	0.99 233	4.23 319	0.86 210	0.26 224	0.22 231	0.28 245	0.22 186	0.30 243	0.28 204

Syn2CoEx	1.23 296	0.80 337	3.07 347	0.83 323	0.68 299	1.39 291	0.87 291	2.23 316	1.57 319	1.28 208	1.58 276	1.42 266	1.57 329	3.79 315	1.48 299	0.36 305	0.32 318	0.34 294	0.30 293	0.30 243	0.41 289

GwcNet	1.26 301	0.63 307	5.13 371	0.81 315	1.15 370	1.73 324	0.69 245	1.84 230	1.53 311	1.51 288	1.71 298	1.72 312	1.09 266	2.20 256	1.61 310	0.31 273	0.30 303	0.29 253	0.27 258	0.30 243	0.41 289

NLCA_NET_v2_RVC	0.84 206	0.46 254	1.40 263	0.69 262	0.61 278	0.95 219	0.52 173	1.68 190	1.21 195	1.39 252	1.15 149	1.42 266	0.88 195	1.78 204	0.93 228	0.26 224	0.23 253	0.27 233	0.27 258	0.30 243	0.39 282
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NaN_ROB	1.23 296	0.63 307	1.76 291	0.67 243	0.50 225	1.59 313	2.00 377	1.87 238	1.52 309	2.14 353	1.26 177	1.40 264	1.09 266	4.60 328	1.75 325	0.28 252	0.34 323	0.28 245	0.29 282	0.30 243	0.37 273

LMCR-Stereo	0.87 216	0.50 270	0.99 174	0.80 312	0.43 190	1.32 279	0.55 195	2.79 373	1.03 123	1.55 299	1.49 246	0.74 80	1.01 242	1.76 201	0.99 240	0.30 269	0.17 161	0.22 120	0.18 84	0.31 248	0.22 108

Anonymous3	0.64 104	0.47 259	1.31 251	0.59 162	0.50 225	0.93 211	0.69 245	1.11 70	0.83 56	0.74 48	0.89 62	0.65 59	0.68 125	1.08 99	0.54 126	0.40 317	0.31 308	0.26 224	0.26 244	0.31 248	0.30 229

GMStereo	0.58 70	0.50 270	1.09 198	0.52 69	0.32 97	0.80 166	0.43 107	1.02 37	1.41 279	0.89 74	0.77 39	0.52 35	0.46 35	0.89 65	0.56 134	0.25 207	0.16 139	0.20 70	0.22 186	0.31 248	0.27 193
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CFNet-ft	0.78 170	0.36 188	0.74 72	0.67 243	0.56 257	0.86 191	0.54 188	1.46 149	1.17 180	1.01 93	1.28 189	1.68 308	1.03 249	1.57 171	0.95 235	0.27 241	0.21 221	0.33 286	0.26 244	0.31 248	0.26 177

ADCRef	1.50 321	0.61 301	3.83 360	0.76 305	0.77 322	1.91 341	0.77 261	2.16 301	1.34 248	1.63 313	1.59 280	1.35 256	1.40 315	1.79 209	8.32 388	0.25 207	0.21 221	0.32 278	0.31 297	0.31 248	0.32 246

CFNet_RVC	0.78 170	0.36 188	0.74 72	0.67 243	0.56 257	0.86 191	0.54 188	1.46 149	1.17 180	1.01 93	1.28 189	1.68 308	1.03 249	1.57 171	0.95 235	0.27 241	0.21 221	0.33 286	0.26 244	0.31 248	0.26 177

MDST_ROB	1.88 347	0.40 230	1.71 289	0.93 351	0.60 273	4.27 396	1.23 340	3.99 389	1.44 290	4.61 396	2.63 360	1.44 270	1.03 249	9.78 402	1.62 312	0.33 283	0.26 279	0.37 312	0.33 311	0.31 248	0.34 259

SGM_RVC	1.88 347	0.40 230	0.90 147	0.63 200	0.30 63	2.81 372	1.26 343	2.73 368	1.81 342	4.09 388	2.85 364	3.88 382	3.19 383	8.42 390	2.44 347	0.33 283	0.31 308	0.30 262	0.28 267	0.31 248	0.31 238
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
mmx	1.89 350	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	2.32 327	1.41 279	1.19 163	1.49 246	1.07 186	0.85 175	9.88 405	13.82 401	0.25 207	0.21 221	0.31 266	0.28 267	0.32 256	0.29 216

xxx	1.89 350	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	2.32 327	1.41 279	1.19 163	1.49 246	1.07 186	0.85 175	9.88 405	13.82 401	0.25 207	0.21 221	0.31 266	0.28 267	0.32 256	0.29 216

DMCA-RVC	0.83 202	0.46 254	2.19 323	0.68 252	0.49 221	0.84 187	0.48 151	1.44 145	1.07 134	1.56 300	1.04 101	1.29 244	0.86 182	1.49 165	0.92 225	0.27 241	0.22 231	0.35 300	0.28 267	0.32 256	0.28 204

DeepPruner_ROB	0.79 178	0.55 286	1.14 210	0.61 182	0.46 207	0.78 161	0.54 188	1.83 229	1.00 114	1.42 264	1.27 184	1.23 225	0.77 144	1.56 169	0.89 216	0.35 298	0.28 291	0.27 233	0.26 244	0.32 256	0.34 259

DISCO	1.06 265	0.37 204	1.19 231	0.73 286	0.46 207	2.04 350	0.84 283	2.26 319	1.54 313	1.25 188	1.36 216	2.38 358	1.08 264	2.60 280	1.62 312	0.24 187	0.19 198	0.22 120	0.20 128	0.32 256	0.29 216

Wz-Net-LNSev	1.17 283	0.72 330	4.71 369	0.66 230	0.84 340	1.72 321	1.13 326	1.97 262	1.43 288	1.34 235	1.32 200	1.66 304	1.30 303	1.44 152	1.51 302	0.29 264	0.26 279	0.24 167	0.23 213	0.33 261	0.35 267

STTStereo	0.82 193	0.53 280	1.53 279	0.68 252	0.56 257	0.88 195	0.56 201	1.57 170	1.14 167	1.39 252	1.10 119	1.26 236	0.84 170	1.49 165	0.90 219	0.29 264	0.28 291	0.33 286	0.40 331	0.33 261	0.37 273

PA-Net	1.14 278	0.63 307	2.12 318	0.67 243	0.75 316	1.19 267	0.91 297	1.91 249	1.46 300	1.18 158	1.23 169	1.33 254	1.17 280	4.31 322	1.41 290	0.29 264	0.46 360	0.33 286	0.50 355	0.33 261	0.57 335
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
UCFNet_RVC	0.72 149	0.37 204	0.59 22	0.66 230	0.41 180	0.89 196	0.68 241	1.78 214	1.15 171	1.01 93	1.20 158	1.22 221	0.95 218	1.07 97	0.66 169	0.28 252	0.21 221	0.34 294	0.31 297	0.33 261	0.29 216

DRN-Test	1.07 269	0.49 267	1.95 308	0.75 299	0.81 334	1.61 314	0.78 264	2.26 319	1.53 311	1.84 332	1.35 212	1.42 266	1.04 255	2.26 261	1.61 310	0.28 252	0.23 253	0.31 266	0.30 293	0.33 261	0.33 252

CBMV	1.04 261	0.48 262	0.88 139	0.56 122	0.36 139	1.52 304	1.55 357	1.87 238	1.59 321	2.11 351	1.67 291	1.46 275	1.35 309	1.92 225	1.31 277	0.35 298	0.35 328	0.39 320	0.33 311	0.34 266	0.34 259
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
Wz-Net-MNSev	1.21 291	0.66 317	3.44 355	0.69 262	0.73 309	1.93 343	1.44 352	2.16 301	1.59 321	1.85 334	1.49 246	1.50 282	1.34 308	2.05 245	1.54 305	0.27 241	0.24 261	0.28 245	0.28 267	0.35 267	0.32 246

dd	0.62 92	0.51 274	1.17 226	0.56 122	0.33 110	0.74 144	0.46 138	1.03 43	1.40 276	0.80 55	0.87 57	0.60 48	0.57 77	1.02 86	0.86 210	0.28 252	0.18 184	0.26 224	0.19 102	0.35 267	0.27 193

SACVNet	0.89 220	0.51 274	1.08 197	0.83 323	0.58 263	0.83 180	0.78 264	1.84 230	1.17 180	1.39 252	1.33 204	1.25 230	1.01 242	2.31 265	0.92 225	0.35 298	0.26 279	0.31 266	0.29 282	0.35 267	0.48 310

StereoDRNet	1.05 264	0.53 280	2.21 324	0.80 312	0.93 349	1.50 302	0.90 294	2.06 281	1.44 290	1.68 318	1.20 158	1.48 278	0.99 233	1.86 216	1.60 309	0.29 264	0.24 261	0.29 253	0.28 267	0.35 267	0.33 252

APVNet	1.11 275	0.59 295	1.95 308	0.87 333	0.77 322	1.90 340	0.82 280	2.03 274	1.15 171	1.14 139	1.43 234	1.55 290	1.12 275	3.03 294	1.62 312	0.32 280	0.34 323	0.42 331	0.36 322	0.36 271	0.41 289

hitnet-ft	0.84 206	0.38 221	0.75 77	0.59 162	0.44 197	0.99 227	0.47 147	1.61 181	1.38 265	1.21 175	1.22 165	1.82 322	0.99 233	1.87 217	1.09 252	0.33 283	0.29 299	0.34 294	0.27 258	0.36 271	0.33 252

FAT-Stereo	1.10 273	0.43 245	1.46 266	0.74 292	0.60 273	1.13 248	0.92 299	2.06 281	1.71 331	1.75 323	2.00 332	2.02 340	1.47 323	2.02 240	1.26 274	0.44 333	0.36 332	0.34 294	0.29 282	0.36 271	0.57 335

FADNet-RVC-Resample	0.91 232	0.51 274	2.92 343	0.64 211	0.46 207	1.07 241	0.60 223	1.76 211	1.24 205	1.10 114	0.98 81	1.06 183	0.98 230	2.17 254	0.95 235	0.24 187	0.22 231	0.30 262	0.32 302	0.36 271	0.40 286

PSMNet_ROB	0.95 241	0.57 294	1.45 265	0.75 299	0.64 285	1.28 277	1.12 324	1.84 230	1.15 171	1.16 145	1.29 193	1.44 270	0.89 197	1.74 199	1.70 322	0.33 283	0.25 274	0.37 312	0.39 329	0.36 271	0.32 246

StereoVision	0.67 118	0.37 204	1.02 182	0.60 169	0.41 180	0.50 38	0.41 87	1.32 129	0.96 96	0.73 47	2.48 358	0.82 103	0.57 77	1.06 95	0.50 100	0.26 224	0.28 291	0.29 253	0.28 267	0.37 276	0.22 108

pcwnet_v2	0.91 232	0.39 225	2.74 340	0.64 211	0.55 253	0.81 173	0.49 159	2.19 311	1.63 325	1.44 271	1.64 287	1.09 197	0.79 154	1.31 127	0.70 178	0.32 280	0.25 274	0.29 253	0.27 258	0.37 276	0.37 273

BEATNet_4x	0.82 193	0.54 283	2.02 311	0.56 122	0.28 40	1.04 233	0.55 195	2.14 295	1.13 161	1.24 185	1.26 177	1.00 169	0.94 213	1.13 110	1.23 270	0.21 120	0.14 58	0.24 167	0.20 128	0.37 276	0.23 122

SGM-ForestM	7.81 405	0.48 262	11.02 394	0.74 292	0.40 170	16.83 414	12.72 412	7.91 409	8.13 403	11.53 412	10.25 407	22.44 422	14.01 411	17.02 415	20.52 413	0.38 308	0.39 344	0.37 312	0.36 322	0.37 276	0.38 279

XPNet_ROB	1.02 258	0.56 289	1.33 255	0.75 299	0.58 263	1.11 245	1.13 326	1.77 212	1.29 233	1.88 335	1.43 234	1.63 301	1.13 276	2.04 241	1.69 320	0.40 317	0.31 308	0.33 286	0.29 282	0.37 276	0.37 273

SGM-Forest	1.29 305	0.40 230	0.74 72	0.54 100	0.37 144	1.55 307	1.26 343	1.82 227	1.39 274	2.22 354	1.81 313	1.64 302	1.02 247	7.65 383	1.20 262	0.39 315	0.37 336	0.39 320	0.34 316	0.37 276	0.34 259
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
aanetorigin	1.26 301	0.85 344	3.00 345	0.72 279	0.80 330	1.08 242	1.05 318	1.12 72	1.39 274	3.53 386	2.60 359	1.72 312	1.73 344	1.98 233	1.77 328	0.26 224	0.24 261	0.26 224	0.25 233	0.38 282	0.51 319

RTSC	1.43 316	0.89 345	3.62 358	0.94 354	0.64 285	1.85 337	0.69 245	2.20 314	2.04 355	2.22 354	1.70 296	1.67 306	1.27 298	2.53 276	4.48 370	0.33 283	0.25 274	0.27 233	0.29 282	0.38 282	0.40 286

ADCP+	2.12 360	0.56 289	10.01 390	0.68 252	0.91 345	2.25 357	1.04 317	1.92 253	1.50 308	1.58 304	1.34 207	1.73 314	1.62 331	2.27 262	13.20 398	0.25 207	0.22 231	0.32 278	0.29 282	0.38 282	0.34 259

TDLM	1.08 271	0.50 270	1.01 180	0.69 262	0.54 249	0.91 201	1.40 350	1.60 179	1.36 258	1.17 147	1.40 228	1.07 186	1.00 239	6.19 358	0.85 209	0.34 290	0.22 231	0.35 300	0.26 244	0.38 282	0.29 216

CFNet_pseudo	0.68 127	0.34 162	0.93 153	0.50 46	0.39 161	0.72 139	0.42 91	1.44 145	1.25 211	1.17 147	1.35 212	1.22 221	0.66 120	1.04 88	0.64 161	0.21 120	0.17 161	0.33 286	0.19 102	0.39 286	0.28 204

Nwc_Net	1.19 287	0.53 280	2.34 329	0.92 346	0.81 334	1.49 301	0.70 251	2.28 325	1.32 244	1.41 260	2.27 346	2.03 343	1.76 346	2.05 245	1.46 296	0.43 325	0.30 303	0.43 332	0.46 346	0.39 286	0.40 286

ADCL	1.82 344	0.70 325	4.57 368	0.70 271	0.63 284	2.56 365	1.77 369	2.08 284	1.77 335	1.95 344	1.89 322	2.04 345	1.88 353	2.36 268	9.55 393	0.27 241	0.25 274	0.35 300	0.32 302	0.39 286	0.39 282

PWC_ROB	1.39 309	0.93 352	4.07 363	0.77 307	0.83 337	1.16 257	0.53 179	1.87 238	2.01 353	2.36 358	3.06 368	1.65 303	1.60 330	2.65 283	2.29 344	0.34 290	0.23 253	0.36 310	0.25 233	0.39 286	0.49 311

AF-Net	1.23 296	0.56 289	2.31 328	0.88 335	0.93 349	1.41 295	0.73 256	2.27 323	1.71 331	1.76 327	2.42 354	2.00 337	1.70 340	1.98 233	1.62 312	0.50 349	0.29 299	0.49 345	0.33 311	0.40 290	0.34 259

GANet	1.41 311	0.52 278	1.18 230	0.74 292	0.48 215	1.40 293	1.69 362	1.87 238	1.28 225	1.56 300	2.39 352	1.56 292	1.25 295	9.13 394	1.20 262	0.31 273	0.32 318	0.34 294	0.29 282	0.40 290	0.33 252

ccs_rob	0.68 127	0.34 162	0.93 153	0.50 46	0.39 161	0.72 139	0.42 91	1.43 144	1.25 211	1.17 147	1.34 207	1.22 221	0.66 120	1.04 88	0.64 161	0.21 120	0.17 161	0.35 300	0.20 128	0.40 290	0.29 216

ETE_ROB	1.01 257	0.69 323	1.49 269	0.72 279	0.50 225	1.15 254	1.12 324	1.91 249	1.24 205	1.94 342	1.50 253	1.73 314	1.06 261	1.78 204	1.33 281	0.33 283	0.26 279	0.38 316	0.34 316	0.40 290	0.44 302

Anonymous	0.56 47	0.41 239	1.05 188	0.67 243	0.73 309	0.65 109	0.68 241	1.12 72	0.79 48	0.48 13	0.60 19	0.42 4	0.60 99	0.81 48	0.55 127	0.26 224	0.24 261	0.21 93	0.21 164	0.41 294	0.30 229

MSMDNet	0.68 127	0.34 162	0.93 153	0.52 69	0.38 154	0.80 166	0.42 91	1.52 157	1.35 251	1.17 147	1.31 195	1.23 225	0.65 116	0.94 71	0.62 156	0.21 120	0.17 161	0.26 224	0.19 102	0.41 294	0.28 204

NCCL2	1.06 265	0.64 310	1.35 256	0.78 310	0.58 263	1.32 279	1.69 362	1.89 245	1.38 265	1.52 290	1.20 158	1.91 324	1.17 280	1.79 209	1.50 300	0.35 298	0.31 308	0.45 336	0.44 341	0.41 294	0.45 304

CBMV_ROB	0.99 251	0.46 254	0.68 49	0.53 89	0.39 161	1.40 293	0.48 151	2.09 286	1.30 235	1.53 293	2.29 348	1.36 257	1.23 291	2.46 272	1.04 249	0.44 333	0.42 352	0.47 342	0.44 341	0.41 294	0.39 282

CFNet_ucs	0.73 152	0.34 162	0.94 159	0.53 89	0.44 197	0.76 151	0.46 138	1.73 207	1.34 248	1.24 185	1.54 263	1.08 196	0.64 112	1.05 91	0.64 161	0.26 224	0.20 208	0.37 312	0.22 186	0.42 298	0.30 229

FADNet-RVC	0.96 245	0.72 330	2.96 344	0.64 211	0.49 221	0.90 199	0.59 215	1.85 236	1.27 221	0.92 77	0.97 78	1.36 257	0.90 200	2.36 268	1.31 277	0.30 269	0.29 299	0.32 278	0.32 302	0.42 298	0.37 273

PCWNet_CMD	0.68 127	0.34 162	0.93 153	0.51 57	0.38 154	0.80 166	0.42 91	1.51 155	1.34 248	1.17 147	1.31 195	1.23 225	0.65 116	0.94 71	0.62 156	0.21 120	0.17 161	0.27 233	0.19 102	0.43 300	0.28 204

Wz-Net-SNSev	1.68 335	1.45 377	8.71 387	0.71 274	0.67 298	1.35 286	1.51 353	2.15 299	1.47 301	1.51 288	1.68 293	2.27 351	1.38 312	4.23 319	2.36 346	0.32 280	0.29 299	0.31 266	0.33 311	0.43 300	0.39 282

FINET	1.54 324	0.67 320	7.28 379	0.76 305	0.97 356	1.42 298	1.38 349	2.80 375	3.12 381	1.23 181	1.68 293	1.04 179	1.11 271	3.35 306	1.78 329	0.43 325	0.37 336	0.32 278	0.29 282	0.43 300	0.41 289

NCC-stereo	1.20 289	0.60 296	1.84 298	0.88 335	0.95 353	1.32 279	0.94 304	2.14 295	1.36 258	1.43 268	1.79 307	1.93 328	2.13 367	2.54 277	1.41 290	0.49 345	0.38 339	0.45 336	0.59 367	0.43 300	0.45 304

edge stereo	1.15 280	0.54 283	1.50 270	0.73 286	0.66 294	1.18 266	0.84 283	2.13 294	1.41 279	1.73 322	1.84 315	2.53 363	1.46 321	2.46 272	1.35 284	0.43 325	0.41 347	0.54 353	0.36 322	0.43 300	0.50 314

Abc-Net	1.20 289	0.60 296	1.84 298	0.88 335	0.95 353	1.32 279	0.94 304	2.14 295	1.36 258	1.43 268	1.79 307	1.93 328	2.13 367	2.54 277	1.41 290	0.49 345	0.38 339	0.45 336	0.59 367	0.43 300	0.45 304
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DeepPrunerF	1.68 335	0.82 341	6.82 377	0.94 354	1.20 374	0.91 201	0.97 309	2.50 353	5.19 399	1.22 180	1.30 194	1.18 213	1.29 300	4.96 335	1.75 325	0.43 325	0.35 328	0.52 348	0.48 350	0.43 300	0.42 295

CSAN	1.61 329	0.67 320	3.24 352	0.74 292	0.52 237	1.77 330	1.74 367	1.98 263	1.94 349	2.47 365	2.33 350	1.93 328	2.04 360	6.45 367	1.95 334	0.43 325	0.36 332	0.41 330	0.42 336	0.43 300	0.44 302

LALA_ROB	1.06 265	0.66 317	1.37 261	0.70 271	0.53 242	1.61 314	1.25 342	1.81 224	1.48 305	1.82 331	1.40 228	1.93 328	1.03 249	1.68 191	1.69 320	0.38 308	0.28 291	0.43 332	0.37 326	0.43 300	0.38 279

MeshStereo	2.36 367	0.60 296	1.05 188	0.63 200	0.51 234	2.58 366	0.99 312	3.46 383	2.21 361	7.38 408	5.06 390	7.50 398	3.10 382	7.02 377	2.54 349	0.44 333	0.44 354	0.45 336	0.40 331	0.43 300	0.45 304
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
dad	0.90 227	0.73 333	1.28 247	0.59 162	0.39 161	0.83 180	0.45 132	1.24 114	1.54 313	1.52 290	1.28 189	1.36 257	0.86 182	2.54 277	0.91 221	0.43 325	0.27 287	0.82 372	0.26 244	0.44 310	0.34 259

CVANet_RVC	1.10 273	0.49 267	1.15 212	0.65 217	0.54 249	0.93 211	1.00 314	1.69 199	1.36 258	1.42 264	1.39 223	1.24 229	1.17 280	6.22 360	0.80 202	0.35 298	0.24 261	0.35 300	0.30 293	0.44 310	0.32 246

psmorigin	1.69 337	0.74 335	13.13 398	0.70 271	0.60 273	1.16 257	0.79 272	1.69 199	1.25 211	2.07 350	1.77 305	2.23 348	1.51 326	2.14 252	1.45 294	0.39 315	0.41 347	0.34 294	0.33 311	0.45 312	0.63 347

S-Stereo	1.17 283	0.48 262	2.25 327	0.83 323	0.81 334	1.22 270	1.17 333	2.12 290	2.08 356	1.47 280	2.13 340	1.55 290	1.16 277	2.09 248	1.46 296	0.42 324	0.40 346	0.35 300	0.32 302	0.45 312	0.73 357

Anonymous Stereo	1.42 313	0.90 346	3.93 361	0.81 315	0.83 337	1.06 239	1.90 376	1.81 224	1.52 309	1.75 323	1.44 236	1.28 242	0.87 188	5.94 355	1.94 333	0.38 308	0.39 344	0.38 316	0.41 335	0.45 312	0.50 314

NOSS_ROB	1.29 305	0.49 267	0.68 49	0.60 169	0.40 170	1.09 244	0.77 261	1.94 255	1.44 290	1.04 103	1.46 241	1.10 198	0.81 164	10.57 410	0.78 193	0.46 337	0.43 353	0.48 343	0.45 344	0.45 312	0.43 299

FADNet_RVC	0.88 218	0.56 289	2.15 320	0.57 140	0.43 190	1.17 264	0.46 138	1.68 190	1.12 156	0.91 76	1.24 173	0.91 137	0.94 213	2.22 257	1.20 262	0.28 252	0.22 231	0.32 278	0.28 267	0.46 316	0.42 295

RP	1.17 283	0.54 283	1.48 268	0.93 351	1.05 360	1.14 251	0.85 288	1.99 267	1.70 329	1.72 321	2.07 337	1.91 324	1.93 355	2.00 237	1.37 287	0.55 356	0.37 336	0.48 343	0.37 326	0.46 316	0.46 309

DANet	1.16 281	0.64 310	1.52 276	0.88 335	0.74 313	1.52 304	0.52 173	1.68 190	1.21 195	1.81 329	1.55 266	2.02 340	1.11 271	3.30 305	2.28 342	0.34 290	0.31 308	0.40 326	0.30 293	0.46 316	0.54 324
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
FBW_ROB	1.78 340	0.66 317	1.90 303	0.72 279	0.66 294	1.79 334	1.07 320	2.79 373	1.77 335	1.84 332	1.79 307	1.98 335	1.37 311	12.42 413	2.22 340	0.36 305	0.38 339	0.57 362	0.39 329	0.46 316	0.51 319

ADCPNet	1.97 354	0.78 336	9.38 389	0.74 292	0.61 278	2.73 370	1.36 348	2.11 289	1.66 327	1.92 338	1.70 296	2.45 361	2.07 361	2.50 274	6.84 383	0.38 308	0.38 339	0.38 316	0.43 339	0.47 320	0.50 314

HBP-ISP	1.00 254	0.60 296	0.85 130	0.64 211	0.48 215	1.63 317	0.77 261	2.24 318	1.30 235	1.33 228	1.53 262	0.87 120	0.99 233	3.26 303	0.76 190	0.46 337	0.44 354	0.54 353	0.48 350	0.48 321	0.42 295

SHD	1.42 313	0.81 340	2.79 342	0.98 358	0.92 346	1.97 344	0.68 241	2.43 341	2.55 367	2.54 366	1.72 299	2.01 339	1.62 331	2.14 252	2.70 351	0.40 317	0.33 321	0.39 320	0.40 331	0.48 321	0.54 324

WCMA_ROB	2.05 355	0.55 286	1.77 292	0.74 292	0.61 278	2.24 356	1.56 358	2.17 308	1.79 340	4.16 392	6.36 394	5.66 393	4.66 397	3.19 299	2.77 352	0.55 356	0.45 356	0.40 326	0.43 339	0.48 321	0.50 314

RGC	1.22 292	0.82 341	1.71 289	0.95 356	0.98 358	1.53 306	0.80 275	2.18 309	1.35 251	1.69 319	1.94 328	2.03 343	1.66 337	2.36 268	1.50 300	0.46 337	0.36 332	0.59 365	0.48 350	0.49 324	0.49 311

MFN_U_SF_DS_RVC	1.80 342	1.11 363	4.33 366	0.84 327	0.77 322	3.70 385	2.41 396	2.04 276	1.85 344	1.75 323	1.90 324	1.92 327	1.25 295	7.33 379	1.45 294	0.47 341	0.47 361	0.53 352	0.77 375	0.50 325	0.55 330

AnyNet_C32	2.14 361	1.45 377	7.38 380	0.95 356	1.12 363	2.23 355	2.34 392	2.10 288	1.54 313	2.44 361	1.79 307	2.04 345	1.66 337	2.69 284	10.48 395	0.38 308	0.35 328	0.35 300	0.42 336	0.50 325	0.60 343

ADCMid	2.11 359	0.90 346	8.39 385	0.75 299	0.69 302	1.98 345	1.14 329	2.18 309	1.67 328	2.85 373	1.85 318	2.35 357	2.02 359	2.35 267	10.58 396	0.34 290	0.32 318	0.39 320	0.44 341	0.51 327	0.53 323

WZ-Net	2.14 361	1.08 359	11.68 397	0.89 343	0.78 326	1.76 328	1.59 360	2.39 335	2.03 354	2.11 351	1.95 330	2.30 354	2.28 370	5.94 355	3.86 366	0.35 298	0.27 287	0.29 253	0.32 302	0.52 328	0.50 314

stereogan	1.22 292	0.45 251	2.03 313	0.87 333	0.85 341	2.52 364	0.72 253	1.98 263	1.78 338	1.92 338	1.94 328	2.31 355	1.42 317	2.10 249	1.14 257	0.38 308	0.36 332	0.39 320	0.32 302	0.52 328	0.49 311

RTS	2.76 374	1.55 383	15.40 400	1.13 367	1.42 379	3.75 388	2.21 386	2.45 343	2.72 376	2.91 376	2.85 364	2.58 365	1.62 331	6.28 362	5.80 378	0.41 320	0.30 303	0.35 300	0.35 320	0.52 328	0.54 324

RTSA	2.76 374	1.55 383	15.40 400	1.13 367	1.42 379	3.75 388	2.21 386	2.45 343	2.72 376	2.91 376	2.85 364	2.58 365	1.62 331	6.28 362	5.80 378	0.41 320	0.30 303	0.35 300	0.35 320	0.52 328	0.54 324

PS-NSSS	1.02 258	0.62 306	1.17 226	0.61 182	0.58 263	0.91 201	0.79 272	2.02 270	1.19 185	1.17 147	1.68 293	1.00 169	0.85 175	4.43 324	0.86 210	0.38 308	0.31 308	0.52 348	0.32 302	0.52 328	0.45 304

FC-DCNN	2.88 383	0.61 301	1.15 212	0.75 299	0.57 261	2.85 375	1.05 318	3.44 382	2.64 374	6.93 405	7.63 400	9.86 407	7.02 405	5.76 350	4.31 368	0.54 353	0.48 363	0.51 347	0.50 355	0.53 333	0.52 321

MSMD_ROB	2.08 357	0.61 301	1.15 212	0.71 274	0.62 282	4.00 392	0.93 302	1.94 255	1.79 340	4.71 398	4.60 384	8.14 402	3.87 393	3.75 314	1.65 318	0.54 353	0.48 363	0.55 358	0.58 365	0.53 333	0.52 321

Wz-Net-TNSev	2.10 358	2.71 407	9.30 388	0.72 279	0.65 291	2.41 363	1.81 374	2.45 343	1.77 335	1.62 311	1.56 271	2.56 364	2.01 357	5.30 338	4.46 369	0.41 320	0.38 339	0.33 286	0.37 326	0.54 335	0.64 348

SANet	2.26 365	0.70 325	6.94 378	0.69 262	0.46 207	2.76 371	1.76 368	2.61 361	5.84 401	2.45 362	3.52 374	3.71 379	3.38 388	5.90 352	2.14 338	0.34 290	0.31 308	0.32 278	0.29 282	0.54 335	0.43 299

GASNet	1.13 277	1.10 362	3.29 353	1.00 360	0.68 299	0.82 174	0.67 239	1.85 236	1.38 265	1.39 252	1.25 175	1.25 230	1.20 289	2.72 286	1.62 312	0.46 337	0.26 279	0.36 310	0.34 316	0.55 337	0.33 252

MANE	7.50 404	0.64 310	7.97 381	1.40 376	2.10 388	16.86 415	12.56 411	12.91 415	17.51 418	8.50 410	11.60 408	14.66 413	13.33 409	12.02 412	13.28 399	0.62 361	0.52 369	0.52 348	1.90 403	0.56 338	0.58 338

PWCDC_ROB	1.39 309	0.91 350	2.10 316	1.08 364	0.92 346	1.72 321	0.58 211	2.03 274	3.30 384	1.32 223	4.87 388	1.21 217	1.71 342	1.98 233	1.75 325	0.65 364	0.26 279	0.29 253	0.25 233	0.56 338	0.41 289

GMStereo_Zeroshot	0.70 138	0.64 310	1.11 203	0.65 217	0.38 154	0.84 187	0.37 61	1.09 62	1.16 176	1.14 139	1.07 108	1.26 236	0.55 70	1.23 122	0.65 165	0.34 290	0.17 161	0.31 266	0.18 84	0.57 340	0.23 122

FCDSN-DC	2.47 371	0.65 316	1.00 179	0.85 329	0.75 316	2.26 358	0.97 309	2.31 326	1.83 343	5.52 404	7.65 401	7.72 401	7.70 406	4.43 324	2.64 350	0.52 351	0.48 363	0.52 348	0.52 358	0.57 340	0.59 340
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
RYNet	1.24 299	0.52 278	1.57 283	0.73 286	0.97 356	1.74 326	0.95 307	2.09 286	1.54 313	1.44 271	1.18 154	1.94 332	1.29 300	4.57 327	1.93 332	0.27 241	0.23 253	0.35 300	0.27 258	0.57 340	0.59 340

SAMSARA	1.80 342	0.90 346	3.37 354	1.28 375	1.13 366	3.71 386	2.33 391	2.53 357	1.93 348	3.17 384	1.73 300	2.99 372	1.68 339	3.53 309	2.46 348	0.47 341	0.54 371	0.43 332	0.47 348	0.59 343	0.64 348

ADCS	2.35 366	1.26 371	6.54 376	0.85 329	0.77 322	2.18 354	1.79 370	2.47 348	2.20 360	2.80 372	2.14 342	2.38 358	2.09 362	2.81 289	13.83 405	0.43 325	0.41 347	0.40 326	0.45 344	0.59 343	0.67 350

NVstereo2D	0.99 251	0.45 251	2.21 324	0.79 311	0.75 316	1.20 268	0.86 289	1.98 263	1.41 279	1.02 97	1.18 154	1.31 248	0.97 227	2.25 260	0.93 228	0.45 336	0.22 231	0.39 320	0.25 233	0.59 343	0.68 353

ccnet	1.19 287	0.71 327	1.36 258	0.81 315	0.75 316	1.72 321	1.13 326	1.98 263	1.31 242	1.52 290	1.84 315	1.75 319	1.36 310	2.01 238	2.04 335	0.57 358	0.54 371	0.57 362	0.56 363	0.60 346	0.60 343

MFN_U_SF_RVC	1.62 331	0.96 354	4.36 367	0.92 346	0.69 302	2.62 368	1.10 322	2.50 353	1.74 334	1.99 346	1.86 320	2.45 361	1.78 348	3.08 296	2.84 353	0.54 353	0.50 368	0.56 360	0.60 369	0.60 346	0.67 350

PVD	1.82 344	0.91 350	3.02 346	1.03 361	0.94 352	2.61 367	1.14 329	2.78 372	3.40 386	3.08 382	2.75 361	2.39 360	2.49 375	2.81 289	3.66 363	0.48 343	0.49 367	0.59 365	0.49 353	0.60 346	0.81 365

FADNet	0.98 249	0.64 310	2.57 335	0.66 230	0.55 253	0.95 219	0.57 204	1.91 249	1.38 265	0.94 81	1.02 90	1.36 257	1.00 239	2.69 284	0.97 239	0.34 290	0.34 323	0.31 266	0.34 316	0.61 349	0.42 295

G-Net	1.71 338	0.67 320	2.09 315	1.14 370	0.75 316	2.96 377	0.89 293	1.58 172	1.30 235	2.76 371	8.12 404	2.29 353	2.51 376	1.94 227	2.23 341	0.49 345	0.45 356	0.45 336	0.31 297	0.62 350	0.59 340

BEATNet-Init1	27.39 421	21.01 422	73.65 433	1.07 363	0.80 330	56.07 429	22.82 415	33.14 427	31.71 424	51.78 435	52.93 434	65.63 435	48.54 434	48.75 436	36.36 426	0.52 351	0.47 361	0.54 353	0.54 361	0.64 351	0.72 356

LSM	6.55 401	1.26 371	15.64 403	1.79 383	68.74 432	1.67 320	2.08 383	2.26 319	2.59 368	3.13 383	3.08 369	1.90 323	1.81 349	2.89 292	2.16 339	0.43 325	0.59 378	0.50 346	0.58 365	0.64 351	17.24 422

ELAS	2.67 373	0.80 337	2.13 319	1.13 367	1.15 370	6.25 403	2.56 397	3.50 384	3.68 389	5.36 402	4.92 389	3.79 380	5.56 399	3.65 310	5.22 375	0.66 365	0.57 375	0.56 360	0.54 361	0.65 353	0.75 360
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS_RVC	2.87 382	0.80 337	3.22 351	1.16 372	1.12 363	2.92 376	5.33 405	2.98 377	4.18 393	5.04 400	4.82 387	4.71 387	8.23 407	4.25 321	4.79 371	0.67 366	0.57 375	0.57 362	0.53 360	0.66 354	0.74 358
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DPSNet	1.91 352	0.64 310	5.95 373	0.73 286	0.59 269	2.04 350	1.61 361	3.84 387	1.96 351	1.54 296	1.39 223	2.27 351	3.32 386	4.95 334	4.79 371	0.50 349	0.31 308	0.29 253	0.26 244	0.67 355	0.54 324

AnyNet_C01	2.38 368	2.21 397	10.17 391	0.99 359	0.79 328	3.12 378	2.37 393	2.69 367	1.89 346	2.58 368	2.44 355	2.70 369	1.86 352	3.65 310	7.12 384	0.41 320	0.41 347	0.40 326	0.42 336	0.68 356	0.79 363

coex-ft	8.35 406	2.39 399	100.24 434	0.68 252	0.54 249	1.77 330	1.57 359	1.71 203	11.00 405	18.91 420	3.76 376	3.85 381	8.23 407	3.29 304	6.58 381	0.31 273	0.31 308	0.32 278	0.31 297	0.69 357	0.57 335

EDNetEfficient	2.40 370	1.14 364	8.59 386	0.77 307	0.73 309	1.06 239	1.53 356	1.54 163	4.06 392	4.87 399	2.81 362	2.23 348	3.53 389	3.04 295	9.65 394	0.27 241	0.24 261	0.27 233	0.31 297	0.70 358	0.67 350

PASM	1.48 320	1.08 359	3.96 362	0.93 351	0.93 349	1.17 264	1.19 335	1.77 212	1.65 326	1.90 336	1.52 261	1.75 319	1.42 317	4.54 326	1.52 304	0.64 363	0.68 383	0.69 369	0.79 376	0.70 358	0.74 358

SDNR	1.66 332	0.55 286	2.36 330	0.56 122	0.58 263	3.79 390	0.45 132	1.78 214	1.40 276	1.38 250	2.45 356	1.13 207	0.96 220	11.03 411	1.31 277	0.67 366	0.64 379	0.43 332	0.32 302	0.71 360	0.76 361

XQC	1.51 322	0.98 355	3.20 349	0.92 346	0.76 321	2.01 348	1.17 333	2.53 357	1.99 352	2.01 347	1.54 263	2.00 337	1.54 327	3.16 298	3.46 361	0.49 345	0.31 308	0.45 336	0.40 331	0.71 360	0.62 345

STTRV1_RVC		0.69 323		0.88 335	1.12 363	1.58 311	0.90 294	2.42 339	1.78 338	1.29 212	2.02 334	1.40 264	1.22 290	9.72 401	1.35 284	0.86 371	0.34 323	0.54 353	0.49 353	0.75 362	0.54 324

PDISCO_ROB	1.41 311	0.73 333	2.04 314	1.40 376	1.46 381	2.83 373	1.07 320	2.64 362	2.11 358	1.41 260	1.50 253	1.73 314	0.99 233	2.83 291	1.46 296	1.03 377	0.27 287	0.54 353	0.47 348	0.77 363	0.84 367

DGSMNet	1.24 299	0.84 343	3.20 349	0.91 345	0.92 346	1.39 291	1.34 346	2.46 347	1.44 290	1.34 235	1.66 289	1.50 282	1.03 249	1.85 213	1.30 276	0.48 343	0.48 363	0.55 358	0.51 357	0.78 364	0.79 363

UDGNet	0.75 158	1.23 370	0.99 174	0.82 319	0.42 187	0.76 151	0.38 68	0.98 30	1.37 263	0.83 62	0.88 60	0.70 72	0.60 99	1.25 123	0.57 137	0.57 358	0.19 198	1.03 379	0.26 244	0.79 365	0.35 267

sAnonymous2	0.59 81	0.61 301	1.82 296	0.61 182	0.52 237	0.51 43	0.54 188	0.97 26	0.70 26	0.50 19	0.68 24	0.46 15	0.63 110	0.61 14	0.41 49	0.22 149	0.17 161	0.23 146	0.21 164	0.85 366	0.56 332

CroCo_RVC	0.59 81	0.61 301	1.82 296	0.61 182	0.52 237	0.51 43	0.54 188	0.97 26	0.70 26	0.50 19	0.68 24	0.46 15	0.63 110	0.61 14	0.41 49	0.22 149	0.17 161	0.23 146	0.21 164	0.85 366	0.56 332

EDNetEfficientorigin	10.59 409	1.52 381	177.33 435	0.68 252	0.54 249	1.66 319	1.20 337	1.94 255	3.39 385	4.69 397	3.37 371	3.08 375	2.79 380	3.25 302	3.63 362	0.26 224	0.24 261	0.33 286	0.28 267	0.85 366	0.87 368

GANetREF_RVC	1.11 275	0.90 346	1.56 281	0.88 335	0.53 242	1.41 295	1.35 347	1.91 249	1.54 313	1.28 208	1.32 200	1.46 275	1.23 291	2.04 241	1.00 244	0.57 358	0.45 356	0.67 367	0.52 358	0.91 369	0.62 345
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
NVStereoNet_ROB	2.17 363	1.18 366	3.51 356	1.14 370	1.26 377	1.57 310	1.51 353	2.19 311	2.11 358	2.04 348	4.80 386	3.17 377	2.11 365	7.97 386	2.10 336	1.12 382	0.94 395	1.10 381	1.34 393	0.95 370	1.31 380
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
anonymity	1.14 278	0.98 355	1.24 241	1.09 365	1.13 366	1.08 242	0.90 294	2.02 270	1.23 204	1.32 223	1.27 184	1.27 241	1.09 266	1.16 114	1.03 248	1.02 376	1.01 399	0.97 376	0.97 383	0.98 371	1.01 371

MFMNet_re	1.47 318	1.20 368	2.50 333	1.46 381	1.08 362	1.58 311	1.51 353	1.96 261	1.87 345	2.31 357	2.20 343	1.51 284	1.88 353	1.57 171	1.34 282	0.94 374	0.83 385	0.84 373	0.80 377	1.00 372	1.06 374

SGM+DAISY	5.38 396	1.28 373	8.24 382	1.27 374	1.16 372	10.62 408	16.01 413	2.93 376	2.53 366	8.64 411	13.03 410	8.26 403	13.38 410	6.34 365	7.59 386	1.07 380	1.05 401	1.00 378	0.98 384	1.02 373	1.12 377

SPS-STEREO	1.78 340	1.09 361	1.52 276	1.22 373	1.14 368	1.87 339	1.11 323	2.27 323	1.70 329	3.17 384	2.39 352	2.84 371	1.93 355	4.41 323	2.93 354	1.04 379	0.99 398	0.97 376	0.94 381	1.03 374	1.05 373
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MADNet+	2.80 377	3.38 410	11.57 396	1.50 382	1.21 376	3.18 380	2.00 377	3.52 385	2.61 369	1.81 329	2.09 338	2.83 370	2.18 369	7.55 382	5.44 377	0.84 370	0.83 385	0.71 370	0.66 372	1.05 375	1.08 375

Anonymous_2	1.37 307	0.56 289	0.94 159	0.57 140	0.62 282	1.04 233	0.65 235	1.82 227	1.01 117	1.00 90	0.79 43	1.42 266	1.27 298	1.06 95	0.83 206	0.62 361	0.67 381	1.05 380	9.88 417	1.09 376	0.55 330

FADE		6.16 412		1.90 386	1.95 387													122.45 434		1.14 377

MSC_U_SF_DS_RVC	2.22 364	1.29 374	4.14 364	1.10 366	0.78 326	5.00 399	2.38 395	2.47 348	2.67 375	1.94 342	2.28 347	2.66 368	1.70 340	9.10 393	2.29 344	0.68 368	0.52 369	0.68 368	0.71 373	1.17 378	0.81 365

WAO-7	2.78 376	1.54 382	2.18 322	1.41 379	1.19 373	3.92 391	2.01 380	4.19 391	3.89 391	2.98 378	5.47 391	4.18 383	3.28 385	8.24 389	4.27 367	1.13 383	1.01 399	1.18 382	1.13 392	1.19 379	1.13 378

Consistency-Raft	1.27 304	1.01 357	2.17 321	1.04 362	1.20 374	0.96 224	1.00 314	1.84 230	1.95 350	1.38 250	2.11 339	1.44 270	1.03 249	1.18 118	1.40 289	0.73 369	0.83 385	0.89 374	0.99 386	1.33 380	0.95 370

CC-Net-ROB	1.53 323	1.31 375	1.68 288	0.92 346	0.80 330	1.75 327	0.99 312	2.04 276	1.27 221	1.12 123	1.62 282	1.20 216	0.98 230	7.82 384	0.92 225	1.15 384	0.41 347	2.20 388	0.46 346	1.37 381	0.56 332

MaskLacGwcNet_RVC	1.17 283	1.06 358	1.28 247	0.88 335	0.69 302	1.92 342	0.92 299	1.71 203	1.14 167	1.17 147	1.26 177	1.49 280	0.80 160	2.04 241	0.86 210	2.02 386	0.34 323	0.79 371	0.36 322	1.38 382	1.33 382

UDG	1.47 318	2.69 405	1.13 207	1.45 380	1.65 384	1.34 285	0.79 272	1.75 210	1.27 221	1.29 212	1.74 301	1.99 336	1.39 314	1.66 188	1.51 302	0.91 373	0.55 373	2.30 390	0.76 374	1.99 383	1.20 379

DDUNet	1.56 326	2.70 406	1.35 256	1.79 383	1.88 386	1.82 335	0.91 297	1.84 230	1.20 189	1.40 258	1.79 307	1.62 298	1.17 280	1.59 177	1.22 267	1.11 381	0.76 384	2.38 393	0.94 381	2.12 384	1.53 384

JetBlue	4.18 391	2.45 402	10.42 392	1.40 376	2.89 404	10.68 409	10.68 407	3.91 388	2.52 365	2.74 370	3.39 372	4.50 384	4.27 395	7.97 386	7.67 387	0.89 372	0.97 397	0.89 374	0.92 380	2.26 385	2.21 391

WAO-6	2.98 384	1.67 386	1.88 302	2.38 392	2.30 395	3.53 384	2.37 393	4.38 394	4.64 397	2.42 359	4.50 381	4.85 388	2.99 381	5.22 337	5.37 376	1.77 385	1.16 405	2.31 391	1.47 399	2.42 386	1.99 389

SQANet	1.38 308	0.95 353	1.37 261	1.89 385	1.47 382	1.44 299	0.81 276	1.89 245	1.13 161	1.34 235	1.26 177	1.28 242	1.02 247	1.64 186	0.91 221	2.55 391	0.35 328	1.47 383	0.56 363	2.48 387	1.74 386

WAO-8	4.57 394	2.01 392	2.58 336	2.37 390	2.21 390	9.75 405	1.71 364	6.04 405	16.34 410	4.11 389	7.69 402	7.41 396	3.85 391	10.02 408	3.85 364	2.05 387	1.09 402	2.44 397	1.39 394	2.56 388	1.86 387

Venus	4.57 394	2.01 392	2.58 336	2.37 390	2.21 390	9.75 405	1.71 364	6.04 405	16.34 410	4.11 389	7.69 402	7.41 396	3.85 391	10.02 408	3.85 364	2.05 387	1.09 402	2.44 397	1.39 394	2.56 388	1.86 387

ACVNet_2	2.86 381	1.47 379	8.28 383	2.68 394	2.26 393	2.70 369	1.84 375	3.41 381	3.04 380	2.27 356	3.42 373	4.58 385	2.10 363	5.91 353	1.62 312	2.58 392	0.67 381	2.22 389	0.85 379	2.79 390	2.47 395

PWCK	3.24 387	2.37 398	10.86 393	2.14 387	1.14 368	3.71 386	4.19 404	3.02 378	3.55 388	3.05 381	3.63 375	3.09 376	2.35 374	8.16 388	3.41 360	2.17 389	0.96 396	1.77 385	1.01 388	2.84 391	1.40 383

DispFullNet	2.39 369	2.89 408	3.74 359	3.09 401	2.27 394	2.04 350	0.84 283	2.19 311	1.73 333	2.54 366	1.98 331	2.23 348	5.83 400	3.44 308	1.84 330	1.03 377	0.33 321	2.65 401	1.97 405	2.87 392	2.34 393

otaku	1.67 333	1.18 366	1.56 281	2.27 388	1.59 383	1.98 345	1.23 340	2.23 316	1.37 263	1.48 285	1.63 286	1.73 314	1.23 291	1.85 213	1.09 252	2.96 394	0.58 377	1.74 384	0.61 370	2.94 393	2.15 390

RainbowNet	2.06 356	1.86 388	1.97 310	2.86 396	2.25 392	2.03 349	1.79 370	2.77 370	1.92 347	1.54 296	1.84 315	1.95 333	1.73 344	2.23 258	1.38 288	3.40 401	0.86 390	2.39 395	1.00 387	2.94 393	2.42 394

LVE	3.40 389	1.80 387	2.21 324	2.90 398	2.44 398	3.27 383	2.25 388	4.80 397	5.06 398	2.43 360	6.79 395	5.99 394	2.64 379	9.20 395	2.28 342	3.30 399	1.11 404	2.38 393	1.48 400	2.95 395	2.62 398

Ntro	1.72 339	1.21 369	1.62 285	2.54 393	1.86 385	2.09 353	1.14 329	2.08 284	1.38 265	1.23 181	1.62 282	1.62 298	1.33 307	2.04 241	1.21 266	3.09 395	0.56 374	1.82 386	0.65 371	2.97 396	2.25 392

ACVNet-4b	3.05 385	1.42 376	18.09 409	2.85 395	2.33 396	2.32 362	1.22 338	2.47 348	2.21 361	1.26 198	2.36 351	2.64 367	1.46 321	6.32 364	1.23 270	3.29 398	0.45 356	2.37 392	1.02 389	3.03 397	2.61 397

Dean	3.77 390	1.65 385	17.87 406	3.01 400	2.54 399	3.15 379	2.10 384	4.80 397	4.42 394	2.89 375	6.03 392	5.45 392	2.55 378	3.40 307	2.13 337	3.22 396	0.89 392	2.51 399	1.07 391	3.07 398	2.65 400

ACVNet_1	3.08 386	1.48 380	17.70 405	2.90 398	2.35 397	2.30 359	1.43 351	3.16 379	2.26 363	1.91 337	2.05 336	3.51 378	2.32 371	3.71 313	1.58 308	3.25 397	0.66 380	2.40 396	1.06 390	3.07 398	2.59 396

ktn	4.56 393	2.41 400	2.54 334	3.79 410	3.25 407	4.81 398	2.91 401	5.52 401	7.36 402	4.12 391	14.55 412	7.54 399	3.70 390	7.84 385	3.35 359	4.06 409	1.86 410	3.26 410	2.22 409	3.27 400	2.86 401

IMH-64-1	2.82 378	1.87 389	1.77 292	3.31 403	2.69 400	3.22 381	2.07 381	4.25 392	2.77 378	2.46 363	3.78 377	3.05 373	2.34 372	4.67 330	3.00 356	3.84 405	0.84 388	2.75 402	1.39 394	3.34 401	2.93 402

IMH-64	2.82 378	1.87 389	1.77 292	3.31 403	2.69 400	3.22 381	2.07 381	4.25 392	2.77 378	2.46 363	3.78 377	3.05 373	2.34 372	4.67 330	3.00 356	3.84 405	0.84 388	2.75 402	1.39 394	3.34 401	2.93 402

IMH	3.35 388	1.95 391	1.86 301	3.30 402	2.72 402	4.03 394	2.00 377	4.58 396	3.83 390	2.87 374	6.99 397	4.69 386	3.21 384	6.77 373	2.97 355	3.91 408	0.89 392	2.78 404	1.40 398	3.36 403	2.93 402

TorneroNet-64	5.41 397	2.10 395	2.43 331	3.49 406	2.83 403	9.90 407	2.13 385	8.87 411	16.79 415	5.39 403	9.18 406	10.68 411	3.92 394	9.55 399	5.11 374	3.36 400	0.86 390	2.88 405	1.62 401	3.76 404	3.37 405

KSHMR	8.76 408	2.14 396	3.59 357	3.60 408	3.13 406	4.15 395	2.67 398	5.61 403	58.90 435	3.04 380	55.71 435	4.94 389	2.54 377	4.61 329	3.05 358	3.49 402	1.57 409	3.14 407	1.98 406	3.84 405	3.49 406

TorneroNet	10.72 410	2.09 394	2.76 341	3.48 405	3.03 405	44.72 427	2.31 390	8.62 410	67.06 436	7.45 409	23.21 420	10.59 410	4.28 396	9.03 392	9.00 390	3.67 403	0.91 394	3.04 406	1.63 402	3.92 406	3.55 408

MADNet++	5.41 397	3.18 409	6.43 375	4.66 415	3.95 413	6.15 402	6.75 406	4.51 395	4.51 396	5.06 401	6.27 393	4.96 390	6.14 401	9.39 398	11.70 397	4.71 411	4.19 414	3.97 413	3.33 411	4.08 407	4.25 412

notaker	4.29 392	2.42 401	5.06 370	3.89 411	3.29 409	4.00 392	2.25 388	4.93 399	3.47 387	4.21 394	6.79 395	7.67 400	3.37 387	9.25 397	6.47 380	4.09 410	1.42 407	3.35 411	2.13 408	4.11 408	3.54 407

JetRed	7.02 403	8.94 416	25.72 417	2.89 397	3.27 408	14.25 413	12.27 410	6.69 407	4.45 395	4.46 395	4.56 382	6.65 395	5.43 398	7.46 381	14.41 407	2.60 393	3.31 411	2.61 400	2.30 410	4.34 409	3.79 409

UNDER WATER-64	5.84 400	2.48 404	17.93 407	3.97 412	3.58 411	7.70 404	3.03 402	5.72 404	14.13 407	4.18 393	4.00 379	9.27 406	6.80 404	6.20 359	9.22 392	3.67 403	1.52 408	3.14 407	1.95 404	4.43 410	3.83 410

UNDER WATER	5.68 399	2.46 403	15.52 402	3.98 413	3.53 410	5.15 400	2.74 399	5.58 402	16.41 413	4.00 387	4.56 382	9.12 405	6.43 403	6.22 360	9.11 391	3.85 407	1.35 406	3.18 409	1.98 406	4.51 411	3.84 411

SPstereo	26.71 420	6.90 413	11.42 395	5.86 416	6.44 414	48.17 428	80.34 435	67.41 436	34.42 431	28.80 429	27.49 421	43.68 433	37.53 430	44.96 435	54.23 436	5.06 414	4.92 415	10.92 421	6.03 414	4.54 412	5.00 415

DPSimNet_ROB	24.77 419	9.69 417	61.46 432	3.56 407	19.46 418	25.95 417	77.56 434	5.09 400	16.60 414	21.50 421	29.82 424	25.12 424	85.69 436	13.37 414	23.07 418	7.23 415	17.79 423	8.55 417	7.57 416	4.57 413	31.84 429

tt	6.61 402	0.28 43	6.10 374	3.77 409	2.17 389	11.53 410	19.61 414	13.53 416	5.81 400	3.00 379	2.82 363	4.97 391	6.33 402	3.83 316	7.23 385	9.13 417	11.32 421	5.87 416	6.22 415	6.01 414	2.63 399

DGTPSM_ROB	13.06 412	8.27 414	22.29 412	9.53 418	18.14 416	11.53 410	31.97 420	10.82 413	16.25 408	7.14 406	19.39 418	10.12 408	16.69 414	9.85 403	22.49 415	4.77 412	8.72 416	5.37 414	10.24 418	6.15 415	11.56 416

DPSMNet_ROB	13.08 413	8.28 415	22.32 413	9.54 419	18.15 417	11.53 410	31.98 421	10.83 414	16.27 409	7.17 407	19.40 419	10.12 408	16.69 414	9.87 404	22.50 416	4.78 413	8.72 416	5.38 415	10.25 419	6.16 416	11.59 417

SuperB	2.50 372	0.72 330	18.07 408	0.72 279	0.53 242	1.85 337	0.86 289	1.80 221	2.40 364	1.54 296	1.42 232	1.13 207	1.17 280	4.18 318	4.80 373	0.25 207	0.20 208	0.23 146	0.19 102	7.64 417	0.38 279

HanzoNet	11.92 411	5.12 411	17.18 404	4.19 414	3.59 412	5.16 401	2.82 400	7.41 408	9.96 404	33.31 431	27.60 422	22.25 421	37.31 426	18.18 416	13.57 400	8.13 416	3.44 413	3.50 412	3.44 412	7.77 418	4.52 413

DPSM_ROB	19.12 415	19.13 420	25.13 415	22.15 422	20.86 420	28.06 419	37.75 423	27.18 420	16.95 416	14.25 414	15.07 413	21.66 416	18.69 417	21.83 419	26.51 421	10.15 419	9.30 419	10.45 419	10.41 420	14.00 419	12.85 419

DPSM	19.12 415	19.13 420	25.13 415	22.15 422	20.86 420	28.06 419	37.75 423	27.18 420	16.95 416	14.25 414	15.07 413	21.66 416	18.69 417	21.83 419	26.51 421	10.15 419	9.30 419	10.45 419	10.41 420	14.00 419	12.85 419

ASD4	17.95 414	11.38 418	20.07 410	11.32 420	12.21 415	21.39 416	31.23 419	22.73 418	12.78 406	12.19 413	12.67 409	13.79 412	14.32 412	20.13 417	25.17 419	18.93 422	15.37 422	28.00 428	22.52 428	17.63 421	15.21 421

PML	51.64 432	37.49 427	14.31 399	7.45 417	20.27 419	107.80 436	231.34 437	8.94 412	27.70 423	86.74 436	268.93 437	69.03 436	61.09 435	24.71 425	14.36 406	9.71 418	3.40 412	9.60 418	4.67 413	20.46 422	4.76 414

MyStereo03	38.45 423	38.46 430	50.33 427	44.93 430	42.03 428	56.44 430	76.24 430	54.16 430	34.06 428	28.68 426	30.42 427	43.46 428	37.33 427	43.76 429	53.43 432	20.29 424	18.73 427	21.02 422	21.05 424	28.19 423	25.91 425

MyStereo02	38.45 423	38.46 430	50.33 427	44.93 430	42.03 428	56.44 430	76.24 430	54.16 430	34.06 428	28.68 426	30.42 427	43.46 428	37.33 427	43.76 429	53.43 432	20.29 424	18.73 427	21.02 422	21.05 424	28.19 423	25.91 425

MyStereo	38.45 423	38.46 430	50.33 427	44.93 430	42.03 428	56.44 430	76.24 430	54.16 430	34.06 428	28.68 426	30.42 427	43.46 428	37.33 427	43.76 429	53.43 432	20.29 424	18.73 427	21.02 422	21.05 424	28.19 423	25.91 425

CasAABBNet	38.42 422	38.42 428	50.26 426	44.76 429	41.87 426	56.47 433	76.22 429	54.44 433	33.92 426	28.53 424	30.36 426	43.53 432	37.59 431	43.77 432	53.32 431	20.27 423	18.70 425	21.03 425	21.04 423	28.19 423	25.79 423

Selective-RAFT-Error	38.47 426	38.44 429	50.38 430	44.74 428	42.01 427	56.47 433	76.24 430	54.44 433	34.02 427	28.59 425	30.30 425	43.51 431	38.10 432	43.69 428	53.24 430	20.36 427	18.72 426	21.05 426	21.02 422	28.25 427	25.87 424

LSM0	42.92 431	38.72 433	50.66 431	47.49 433	110.18 437	56.77 435	75.87 428	54.87 435	33.74 425	29.48 430	31.12 430	43.77 434	37.12 425	43.85 433	53.44 435	20.50 428	18.67 424	21.05 426	21.07 427	28.37 428	41.73 430

LRCNet_RVC	22.79 417	32.09 426	22.06 411	29.83 424	26.15 422	4.40 397	0.84 283	22.64 417	2.10 357	26.93 423	29.25 423	23.03 423	15.56 413	23.91 421	18.92 412	32.00 429	20.04 430	34.68 429	32.13 429	30.66 429	28.52 428

HaxPig	39.02 427	41.39 434	41.59 422	30.10 425	32.36 423	29.49 421	27.65 417	30.56 423	37.94 432	43.75 432	43.81 431	33.42 425	35.69 423	41.51 426	40.33 428	43.91 433	47.48 435	45.87 430	47.14 431	42.29 430	44.06 432

AVERAGE_ROB	40.42 428	42.30 435	42.61 423	36.91 427	35.54 425	30.42 422	27.59 416	37.45 429	38.45 433	44.87 433	44.27 432	37.55 427	36.69 424	41.82 427	40.25 427	45.36 434	46.73 434	47.09 431	46.32 430	42.47 431	43.74 431

MEDIAN_ROB	42.01 429	44.30 436	44.14 425	35.08 426	34.90 424	31.33 426	29.90 418	36.77 428	40.11 434	47.14 434	46.55 433	37.49 426	38.50 433	44.30 434	42.32 429	47.93 435	49.31 436	49.68 432	49.00 432	44.98 432	46.46 433

xxxxx1	54.34 433	26.72 423	27.03 418	114.14 434	99.00 434	30.68 423	47.19 425	32.52 424	26.09 419	17.85 417	17.48 415	21.86 418	20.92 419	24.38 422	33.78 423	34.73 430	41.33 431	157.67 435	175.68 434	65.82 433	71.99 434

tt_ll	54.34 433	26.72 423	27.03 418	114.14 434	99.00 434	30.68 423	47.19 425	32.52 424	26.09 419	17.85 417	17.48 415	21.86 418	20.92 419	24.38 422	33.78 423	34.73 430	41.33 431	157.67 435	175.68 434	65.82 433	71.99 434

ff	54.34 433	26.72 423	27.03 418	114.14 434	99.00 434	30.68 423	47.19 425	32.52 424	26.09 419	17.85 417	17.48 415	21.86 418	20.92 419	24.38 422	33.78 423	34.73 430	41.33 431	157.67 435	175.68 434	65.82 433	71.99 434

DLNR_Zeroshot_test	23.23 418	48.25 437	43.77 424	177.04 437	78.39 433	0.35 5	0.21 1	23.33 419	0.82 53	0.67 41	0.86 55	0.58 43	0.30 4	1.64 186	0.48 88	10.69 421	0.13 17	0.18 33	0.14 22	76.63 436	0.23 122

Anonymous_1	42.79 430	18.71 419	24.75 414	21.81 421	45.16 431	27.68 418	37.52 422	28.64 422	16.34 410	14.72 416	14.53 411	20.60 415	17.82 416	21.52 418	25.88 420	113.45 436	8.91 418	100.63 433	126.37 433	158.50 437	12.31 418

test_example2	192.91 436	210.59 438	206.44 436	199.86 438	204.90 438	172.02 437	182.95 436	138.34 437	134.89 437	193.14 437	200.54 436	186.77 437	177.82 437	204.95 437	207.57 437	221.83 437	238.70 437	186.02 438	190.07 437	226.94 438	173.78 437

Low-res two-view benchmark